KR102189065B1 - 모바일 애플리케이션 사용자의 관심 프로파일 - Google Patents
모바일 애플리케이션 사용자의 관심 프로파일 Download PDFInfo
- Publication number
- KR102189065B1 KR102189065B1 KR1020147037013A KR20147037013A KR102189065B1 KR 102189065 B1 KR102189065 B1 KR 102189065B1 KR 1020147037013 A KR1020147037013 A KR 1020147037013A KR 20147037013 A KR20147037013 A KR 20147037013A KR 102189065 B1 KR102189065 B1 KR 102189065B1
- Authority
- KR
- South Korea
- Prior art keywords
- user
- check
- electronic device
- portable electronic
- data
- Prior art date
Links
- 230000000694 effects Effects 0.000 claims abstract description 217
- 238000000034 method Methods 0.000 claims abstract description 76
- 230000003993 interaction Effects 0.000 claims abstract description 41
- 230000000875 corresponding effect Effects 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 20
- 238000011161 development Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 8
- 230000006855 networking Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 235000013361 beverage Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 230000007937 eating Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 241000283690 Bos taurus Species 0.000 description 1
- 241001050985 Disco Species 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0254—Targeted advertisements based on statistics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0261—Targeted advertisements based on user location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Abstract
전자 디바이스 및 방법이 개시되어 있다. 사용자는 전자 디바이스 상에 실행되거나 전자 디바이스를 통해 액세스가능한 적어도 하나의 사용자이다. 적어도 하나의 애플리케이션은 사용자의 식별 데이터, 상기 애플리케이션 또는 상기 서비스를 통해 사용자가 체크인 이벤트를 수행할 수 있는 장소의 위치 데이터, 및 체크인 이벤트가 발생할 때를 나타내는 체크인 이벤트에 대한 타임 데이터를 포함한 체크인 데이터를 수신하도록 구성된 체크인 서비스와 통신하도록 실행될 수 있다. 체크인 데이터는 주어진 지리적 영역 내에서 발생하는 적어도 하나의 활동 및 주어진 지리적 영역내에서 적어도 하나의 해당 장소를 식별하도록 구해지고 그런 후 분석된다. 해당하는 적어도 하나의 활동에 대한 상기 적어도 하나의 해당 장소는 카테고리화된다. 분석 단계를 기초로 사용자에 의해 관심 프로파일이 발생되거나 수정된다. 상기 관심 프로파일은 적어도 하나의 장소에 해당하는 적어도 하나의 활동과 함께 사용자의 상호작용 데이터를 포함한다.
Description
본 발명의 방법 및 디바이스는 광범위하게 사용자에 대한 관심 프로파일을 만드는 컴퓨터 기반 방법에 관한 것이다.
21세기로 더 들어섬에 따라, 대도시의 성장과 소도시 및 지역사회의 소멸이 계속되면서 조직체들의 전세계적 확장이 더 빨라지고 규모도 더 커지고 있다. 세계화의 결과들 중 하나는 단일 개개인들, 개인들 그룹 및 조직체들 간의 통신이 점점 덜 개인화된다는 것이다. 더욱이, 세계화된 세상으로 인해 개인 및 조직체가 수많은 이용가능한 옵션들에서 스스로를 식별하고 그들의 관심 범위를 요약하며 스스로를 적절한 개인 및 조직체와 연관시키는데 문제가 발생한다. 통신 및 업무에 있어 개인화에 대한 필요성이 점점 커지고 있다. 이런 필요성의 한가지 반영은 인터넷 기반의 소셜 네트워킹 및 타겟화된 광고 및 추천을 위한 소셜 네트워킹의 사용의 급격한 성장이다.
인터넷은 소셜 네트워킹을 위한 강력한 도구이다. 이는 서로 아는 개인들 간에 사회적 연결에 집중된 그룹을 형성하며, 이는 과거에 가족, 학교, 지역사회센터, 사교클럽 등과 같은 단지 사회적 또는 조직적 환경의 제한 내에서만 유지될 수 있었다. 인터넷은 또한 정보를 얻고 공유하기 위한 가장 대중적인 소스 중 하나이다
인터넷과 관련된 한가지 대중적인 활동은 사람들, 특히, 매우 멀리 떨어져 있을 수 있는 사람들 간의 통신이다. 통신을 용이하게 하고 인터넷을 포함한 몇몇 친숙한 기술은 이메일, 게시판, 가상 채팅룸, 블로그, 인스턴트 메시지 시스템, 인터넷 기반의 소셜 통신시설 등을 포함한다. 이런 세트의 기술 및 유사한 기술들은 실질적으로 단지 온라인에 의해서만 특징된다.
다시 말하면, 잘 알려진 상기 인터넷 관련 애플리케이션들 세트는 지리적으로 분산 통신을 지원하고 이들의 목적으로 더 이상 다른 것을 갖지 않는다.
향상된 온라인 통신 능력에도 불구하고, 많은 사람들은 여전히 같은 주제, 이벤트 등에 관심 있는 다른 사람과 함께 개인적으로 만나는데 관심이 있다. 또한, 더 효과적인 상품 및 추천의 타겟지향 유통, 지역사회 서비스의 합리적인 계획 및 효율적인 수행, 도시 이벤트와 개발의 성공적인 배열을 달성하기 위해 지리적 영역들 내에 국소적으로 사람들의 "진정한" 관심을 알아야 할 필요성이 크며, 이는 지역 개인들의 필요성과 관심을 반영할 수 있다. 기존 관심 기반의 시스템들 어느 것도 이 필요성을 충족하고 문제들을 해결하기에 전혀 적절치 않다.
인터넷 기반의 소셜 네트워크는 다른 상업단체 및 비상업적 단체에 의한 타겟 광고에 사용되어 왔다. 그러나, 잘 정의되지 않은 관심 그룹 및 사용자의 로컬 사회-지리적 환경을 연결시키는 팁의 부족은 소셜 네트워킹 기반의 타겟 광고의 효율을 저하시킨다.
인터넷은 또한 모바일 디바이스용 하드웨어에 기반한 몇몇 위치기반 웹사이트를 제공한다. Foursquare와 같은 이들 웹사이트들은 일반적으로 등록된 사용자들을 친구들과 연결시키게 하고 그들의 위치를 업데이트 시킨다: 장소(venue)에서 "체크인"한 사용자들은 그들의 체크인이 그들의 계정이나 트위트, 페이스북, 또는 둘 다와 같이 다른 웹사이트에 포스팅되게 고를 수 있다. 사용자는 그들의 개인 사용을 위해 "할 일" 목록을 생성하고 다른 사용자들이 읽을 수 있는 장소에 "팁"을 단다. 이들은 사용자 관심의 실제 세상의 로컬 모임 및 표시에 대한 제안으로 이용될 수 있다. 그러나, 사용자의 실제 관심 범위를 연결시키는 어떤 실질적 팁들을 제공할 수 없다. 그러므로, 자신의 "할 일" 목록을 읽을 수 있는 낯선 사람에게는 "팁이 달린" 장소에서의 모임들로 정말 그가 유사한 관심 범위의 개인들과 함께 할 수 있을지 여부를 찾을 기회가 전혀 없고, 광고회사가 타겟 사용자를 정확히 식별할 기회가 없다.
본 발명은 특허청구범위에 정의되어 있다.
본 발명에 따른 방법 및 시스템은 광범위하게 사용자의 관심, 가령, 라이프 스타일, 소셜 네트워킹 등에 대한 관심 범위를 정의하는 하나 이상의 모바일 애플리케이션의 사용자의 프로파일을 생성하기 위한 컴퓨터 기반의 방법들에 관한 것으로, 상기 방법은 정의된 시간 주기 동안 선택된 지리적 영역내에 위치된 하나 이상의 위치들(가령, 장소들)과 관련된 하나 이상의 활동들과 함께 사용자의 인터랙션을 기술하는 단계를 포함한다. 본 발명의 상기 방법 및 시스템은 가령, 타겟 광고, 개인별 맞춤 추천, 사람의 매칭, 인터넷 기반의 소셜 네트워킹 및 모바일 애플리케이션의 개별 사용자들의 실제 모임을 주관하는데 이용될 수 있다.
본 발명은 모바일 애플리케이션의 사용자의 프로파일을 생성하는 방법에 관한 것으로, 상기 프로파일은 사용자의 관심 범위에 대한 정보를 포함한다. (본 내용에서 "관심"이라는 용어는 (i) 사용자가 행동하는 것을 즐기는 활동들 또는 사용자가 학습 등에 시간 보내길 좋아하는 주제들(또한, 이하 "포지티브 관심"이라 함); (ii) 사용자가 식별되지 않는 활동 또는 주제(또한, 이하 "제로 관심"이라 함); 및 (iii) 사용자가 계속 벗어나는, 즉, 행동하거나 학습에 시간 보내지 못하게 하는 활동 또는 주제(또한, 이하 "네거티브 관심"이라 함) 중 하나 이상을 의미한다. 사용자의 관심 범위는 정의된 시간 주기 동안 선택된 지리적 영역 내에 위치된 하나 이상의 장소들과 관련된 하나 이상의 활동들과 함께 사용자의 인터랙션을 분석함으로써 본 발명에 따라 결정된다. 활동은 소위 "공공 활동", 가령, 많은 개인들이 접근할 수 있는 활동들일 수 있고, 장소는 "공공 장소", 가령, 많은 개인들이 접근할 수 있는 장소들일 수 있다. 본 발명은 필드, 즉, 더 정확한 타겟 광고, 더 정확한 개인별 맞춤 추천, 더 건설적인 소셜 네트워킹 및 실제 모임 등의 상기 논의된 문제들을 제기하고 해결한다. 이는 하나 이상의 모바일 애플리케이션들의 등록된 사용자들의 관심 프로파일의 데이터베이스를 제공함으로써 달성될 수 있다.
본 발명의 방법은 (1) 인터넷의 강력한 통신 능력, (2) 모바일 디바이스의 사용자의 위치 및 정확한 시간을 등록하기 위한 모바일 애플리케이션의 능력, 및 (3) 기정의된 시간 주기 동안 선택된 지리적 영역 내에 하나 이상의 장소들과 관련된 하나 이상의 활동들과 함께 하나 이상의 모바일 애플리케이션들의 등록된 사용자들의 인터랙션의 상세한 분석을 조합하는 것을 특징으로 한다("기정의된 시간 주기 동안 선택된 지리적 영역 내에 위치된 하나 이상의 장소들과 관련된 활동들과 함께 사용자의 인터랙션"을 또한 본 명세서에서는 "사용자의 사회지리적 행동"이라 한다).
특히, 본 발명은 (i) 등록된 사용자 ID, (ii) 사용자가 모바일 애플리케이션(들) 또는 설비에 체크인하고 있는 장소의 지리적 좌표, 및 (iii) 체크인이 발생할 때의 시점에 대한 정보를 수신하고 저장할 수 있거나, 상기 정보를 수신하고 저장할 수 있는 설비에 링크된 하나 이상의 모바일 애플리케이션들의 등록된 사용자인 개인의 관심 프로파일을 생성하는 방법에 관한 것이다. 이 정보는 하기에 정의된 본 발명의 방법에 따른 처리를 위해 체크인 서비스로 모바일 애플리케이션을 통해 전송될 수 있는 체크인 데이터일 수 있다. 또한, 본 발명은 적어도 하나의 공공 활동과 관련된 공공 장소의 관심 프로파일을 생성하기 위한 방법에 관한 것이다.
본 발명의 방법은:
1. 상기 모바일 애플리케이션들에 링크된 하나 이상의 데이터베이스로부터 하나 이상의 모바일 애플리케이션의 등록된 사용자에 대한 정보를 획득하는 단계;
2. 단계 (1)의 데이터를 분석하고, 단계 (1)의 이웃 영역내 장소(들) 및 장소와 관련된 공공 활동을 식별하며, 이와 관련된 공공 활동(들)에 대해 상기 장소를 카테고리화하는 단계;
3. 단계 (2)의 활동과 함께 등록된 사용자의 인터랙션을 분석하는 단계; 및
4. 단계 (2)의 장소와 관련된 공공 활동들에 대한 사용자의 관련성의 설명을 포함하는 등록된 사용자의 관심 프로파일을 생성하는 단계;
5. 하나 이상의 공간정보 데이터베이스로부터 선택된 지리적 영역내에 위치된 관심 장소에 대한 정보를 획득하는 단계;
6. 단계 (5)와 관련된 활동 및 단계 (5)의 이웃 영역내에 있는 장소(들)를 식별하는 단계를 포함한 단계 (5)의 정보 또는 데이터를 분석하는 단계, 및 이와 관련된 활동(들)에 대해 상기 장소를 카테고리화하는 단계;
7. 단계 (6)의 장소의 활동과 함께 단계 (5)의 관심 장소의 인터랙션을 분석하는 단계;
8. 단계 (5)의 관심 장소의 관심 프로파일을 생성하는 단계를 포함하고,
상기 정보는 (상술한 바와 같이) 데이터 (i), (ii), 및/또는 (iii)를 포함할 수 있고, 상기 데이터는 선택된 지리적 영역 및 정의된 시간 주기에 관한 것이며, 상기 프로파일은 단계 (6)의 장소와 관련된 활동에 대한 장소의 연관성에 대한 설명을 포함한다.
본 발명의 방법의 다른 태양들 및 실시예들을 아래에서 설명한다.
"모바일 애플리케이션"이라는 용어는 스마트폰, 태블릿 또는 또 다른 휴대용 모바일 디바이스와 같이 전자 디바이스 상에 운영되거나 실행될 수 있는 애플리케이션을 설명하는데 사용된다. 본 발명은 가령, 사용자가 그들의 지리적 위치를 식별하도록 도움을 줄 수 있는 사용자의 지리적 위치를 식별하고, 내부 또는 외부 메모리 모듈에 이 정보를 저장하며, 디바이스 및 사용자를 데스크탑 및 노트북 컴퓨터에 더 통상적으로 액세스된 인터넷 서비스에 연결시키거나, 이들의 휴대용 모바일 디바이스들에 인터넷 이용을 더 쉽게함으로써 이들을 돕게 하도록 실행될 수 있는 모바일 애플리케이션에 관한 것이다. 모바일 애플리케이션은 가령, 모바일 웹사이트 북마킹 유틸리티, 사진공유 웹사이트, 모바일 기반의 인스턴트 메시징 클라이언트, 위치 기반의 쇼핑, 게임, 네비게이션 및 기타 많은 애플리케이션, 가령, 구글 월넷일 수 있다. 한가지 바람직한 실시예에서, 본 발명의 모바일 애플리케이션은 기정의된 시간 동안 지리적 영역내에서 하나 이상의 활동들과 함께 사용자의 인터랙션에 대한 정보를 등록 및 저장할 수 있고 요청시 이 정보를 보낼 수 있는 모바일 디바이스용 하드웨어를 통해 액세스될 수 있거나 이를 기초로 하는 웹사이트와 같은 위치기반의 애플리케이션이다. 본 발명과 함께 사용하는데 적합한 모바일 애플리케이션 타입의 한가지 비제한적인 예는 Foursquare이다.
"모바일 애플리케이션의 등록된 사용자"라는 용어(이하 "등록된 사용자" 또는 "사용자"라 함)는 사용자가 상기 모바일 애플리케이션내에 또는 상기 모바일 애플리케이션에 의해 등록되고 디바이스에 저장된 프로파일을 갖는 것을 말하며, 상기 프로파일은 (i) 사용자의 사용자 명, 및 선택적으로, (ii)사용자의 집주소, 및/또는 (iii) 하나 이상의 사용자 생체 데이터 중 하나 이상을 포함할 수 있는 정보를 포함한다("생체 데이터"라는 용어는 생체 프로세스 동안 발생된 데이터를 말하는데 사용된다. 이는 샘플, 모델, 핑거프린트, 유사성 점수 및 개인의 이름과 인구통계를 배제한 모든 검증 또는 식별 데이터를 포함한다).
본 내용에서 "장소"라는 용어는 선택된 또는 기정의된 지리적 영역내의 한 장소를 말하며, 장소는 하나 이상의 활동들과 관련 있다. "관련된"이라는 용어는 활동들 중 하나 또는 또 다른 카테고리(가령, 후술되는 활동들의 카테고리)를 행하거나 수행하기 위한 하나 이상의 개인들에 의해 상기 장소가 사용되는 것을 의미한다. 장소는 공공 장소일 수 있고, 활동은 공공 활동일 수 있다. "공공"이라는 용어는 지리적 영역내에 있는 장소들 및/또는 특히 개인 또는 좁은 개인들의 그룹, 가령, 가족에 한정되기보다는, 전반적으로 사람에 대한 것이거나 사람을 포함한 인간 활동일 수 있다. 그러나, 전체 대중 또는 개인들의 특정 그룹에 의해 본 명세서에 기술된 (아래 논의 참조) 공공 활동(들)의 하나 또는 또 다른 카테고리를 하기 위해 공개된 사적 소유의 장소도 또한 "공공"으로 간주된다.
일실시예에서, 본 발명의 장소는 또 다른 실시예에서 잘 정의된 물리적 경계 및 우편주소(가령, 시내 건물)를 갖는 장소일 수 있고, 장소는 가령 거리 모퉁이, 호수 위의 보트와 같이 잘 정의된 물리적 경계 및/또는 우편주소가 없을 수 있더라도, 즉, 위도와 경도에 의해 식별될 수 있는 장소일 수 있는 지리적 좌표에 의해 식별될 수 있는 장소일 수 있다.
"선택된 지리적 영역"이라는 용어는 본 내용에서 이 지리적 영역내 위치된 적어도 하나의 장소와 관련된 활동들과 함께 하나(또는 다수)의 모바일 애플리케이션(들)의 하나(또는 다수)의 등록된 사용자(들)의 인터랙션 분석을 위해 무작위로 또는 의도적으로 선택될 수 있는 임의의 크기의 지리적 영역을 의미한다.
"공공 활동"이라는 용어는 한 명의 개인 또는 특정 집단의 사람들에 제한되기 보다는, 선택된 개인 그룹에 계획된 가령, 응대, 파티 등의 준비를 사적으로 개최하는 게 아니라, 전반적으로 사람들과 관련된 물리적 및 사회적 활동, 가령 특정 스포츠, 쇼핑, 식사, 음료, 또는 공공장소에서 단합하기를 포함한 활동들과 같이 일반 대중에 공개된 다양한 사람들의 활동을 말한다.
예시적이지만 제한적이지 않는 본 발명의 공공 장소와 관련된 공공 활동은 식당 및 카페와 같은 장소에서 식사/음료 활동 또는 경기장, 수영장, 피티니스 센터, 공공 정원 등과 같은 장소에서 좋아하는 스포츠 활동, 안경점, 약국, 재활센터와 같은 장소에서 건강관련 서비스의 좋아하는 이용, 쇼핑몰, 특수 부띠끄, 백화점, 벼룩시장과 같은 장소에서 좋아하는 쇼핑, 나이트 클럽, 디스코텍, 나이트 바와 같은 장소에서 좋아하는 밤문화 활동, 박물관, 전시장, 놀이공원, 관광버스 및 보트, 서점, 여행사, 여행안내소와 같은 장소에서 좋아하는 여행 관련 활동, 박물관, 전시회, 도서관, 야간학교, 교육센터, 관광버스 및 보트, 서점과 같은 장소에서 좋아하는 교육관련 활동, 박물관, 전시회, 놀이공원, 콘서트홀, 극장, 공공정원 등과 같은 장소에서 좋아하는 오락관련 활동 등에서 선택될 수 있다.
본 발명의 일태양은 이와 관련된 공공 활동에 대한 공공 장소의 카테고리화 및, 연이어, 상기 공공 장소의 "활동 프로파일"을 생성하는 것에 관한 것으로, 활동 프로파일은 공공 장소와 관련있거나 관련된, 즉, 정해진 시간 주기 동안 장소에 있는 모든 활동들을 기술한다. 본 내용에서 "카테고리"라는 용어는 컨텐츠, 품질, 외형 등에 따라 사물을 나누기 위해 시스템에 정의된 것과 같은 어떤 특징들을 갖는 공공 활동 그룹 또는 타입을 말한다.
본 발명에 따르면, 공공 활동의 카테고리는 맞춤식 규칙에 따라 본 발명의 모든 특별한 실시예들에 대해, 즉, 특정 실시예에만(또는 그에 가장 잘) 맞는 기준에 의해 정의될 수 있다. 카테고리는 또한 공공 활동을 카테고리화 하기 위해 공통의 잘 맞는 시스템을 이용해 정의될 수 있다. 예컨대, 몇몇 실시예에서, 공공 활동은 가령, 영국 지방정부 회사 카테고리 목록(버전 1.00)(http://www.esd.org.uk/standards/lgbcl/) 또는 북미 산업 분류 시스템(NAICS) 등의 카테고리와 같이 정부 기관에 의해 개발된 기준 및 규칙에 따라 카테고리화될 수 있다.
다른 실시예로, 본 발명의 공공 활동은 여행자 유인, 사업, 공공건물, 서비스 제공, 소매판매점, 및 사람들이 방문하고 싶거나 위치를 알고 싶어할 수 있는 전망 특징들에 대한 레저 시설에 이르는 다른 특징들의 지리적 위치에 대한 데이터의 상업적 공급자에 의해 개발된 분류에 따라 카테고리화될 수 있다. 이들은 상점, 학교, 호텔 및 식당에 대한 경우와 같이 일반적으로 주소를 갖는 것과, 호수, 자동차 주차장, 전화부스, 캐틀 그리드(cattle grid), 공공 화장실 및 우편함처럼 일반적으로 주소지정 불가능한 것들로 그룹화될 수 있다. 각 특징은 분류되고 사용자들이 "무엇이 어디에 있지"를 알게 하는 지리적 코드가 할당된다. 이런 공급자들의 비제한적인 예들은 PointX(http://www.pointx.uk/index.htm)일 수 있다.
다른 실시예에서, 본 발명의 공공 활동은 상업 광고 분야에 통상적으로 사용되는 규칙들, 가령, IAS(Interactive Advertising Bureau)(http://www.iabl.net/about_the_iab) 등에 의해 계발된 규칙에 따라 다른 카테고리들에 넣어질 수 있다.
본 발명의 목적을 위해 공공 활동의 카테고리화의 비제한적인 예들을 아래에 설명한다.
본 발명의 일태양은 정의된 시간 주기 동안 선택된 지리적 영역(또는 사용자의 사회지리적 행동)내에 있는 적어도 하나의 공공 장소와 관련된 하나 이상의 공공 활동들과 함께 하나 이상의 모바일 애플리케이션의 등록된 사용자의 인터랙션을 설명하는 것에 관한 것이다. 본 내용에서 "인터랙션"이라는 용어는 사용자 및/또는 그들의 전자통신 디바이스가 정의된 시간 주기 동안 공공 활동(들)과 관련된 본 발명의 공공 장소의 이웃 영역 또는 지리적 영역내에 물리적으로 있거나 없는 것으로 적어도 한번 등록된 것을 말한다.
장소에서 사용자의 물리적 존재 또는 부재는 사용자의 모바일 디바이스에 링크된 모바일 애플리케이션에서 사용자의 지리적 위치의 등록으로서 본 발명에 따라 등록된다. 등록은 사용자의 모바일 디바이스로부터 발생한 등록된 GPS 또는 관련된 GPS 신호의 형태로 있을 수 있는 한편, 사용자는 웹사이트에 그/그녀가 "체크인"하는 동안 및 "체크인" 또는 "로그인"의 시점의 사용자의 지리적 좌표를 등록할 수 있는 모바일 디바이스에 대한 하드웨어를 기초로 한 위치기반 웹사이트 또는 애플리케이션에서 "로그인" 또는 "체크인"할 수 있다. 이런 위치기반 웹사이트의 일예는 Foursquare일 수 있다.
지리적 위치가 결정되고 상술한 체크인 데이터의 일부를 형성할 수 있는 위치 데이터를 생성하기 위해 사용된다.
지리적 위치는 셀룰러 기지국 삼각측량, 위성 위치지정 또는 이 둘의 조합과 같이 하나 이상의 모바일 위치 기반 서비스(LBS)를 이용해 결정될 수 있다.
본 발명에 따르면, 선택된 지리적 영역내에 위치된 공공 장소와 관련된 공공 활동과 함께 사용자 인터랙션은 포지티브 인터랙션, 제로 인터랙션, 및 네거티브 인터랙션으로 분류될 수 있고, 포지티브 인터랙션은 사용자가 정의된 시간 주기 동안 공공 활동(들)과 관련된 장소의 "관심 영역"내에 있도록 랜덤 기회보다 더 높은 것을 말하고("관심 영역"이라는 용어는 이웃 영역의 크기 이하일 수 있는 장소로부터 정의된 거리내에 있는 근접 영역을 말한다), 제로 인터랙션은 사용자가 같은 시간 주기 동안 공개활동(들)과 관련된 장소의 관심 영역내에 있을 랜덤 기회를 갖는 것을 말하며, 네거티브 인터랙션은 사용자가 같은 시간 주기 동안 공개활동(들)과 관련된 장소의 "관심영역"내에 있을 랜덤 기회보다 더 낮은 것을 말한다.
본 발명에 따른 활동과 사용자의 인터랙션은 랜덤 기회에 의해 예상된 정의된 시간 주기 동안 활동(들)과 관련된 장소의 관심 영역내에 있는 사용자의 존재 확률에 대한 정의된 시간 주기 동안 공개활동(들)과 관련된 장소의 관심 영역내 사용자의 존재 확률을 가중화하는 것과 관련해 더 평가될 수 있다. 관찰된 확률과 랜덤 기회에 의해 예상된 확률 간의 비를 "관심 스코어"로 변환하는데 수치 자연로그자가 이용될 수 있다. 가령, 사용자가 랜덤 기회보다 e0(e0=1) 배의 더 높은(더 낮은) 확률을 갖는 활동과 관련된 장소의 관심 영역내에 있을 것이라면 활동과 관련된 인터랙션의 관심 스코어는 0("제로 인터렉션")이다; 사용자가 랜덤 기회보다 e+1(2.72에서 +1 급수)배의 더 높은 확률을 갖는 활동과 관련된 장소의 관심 영역내에 있을 것이라면 활동에 따른 인터랙션의 관심 스코어는 +1("포지티브 인터랙션")이다; 사용자가 랜덤 기회보다 e+2(2.72에서 +2 급수)배의 더 높은 확률을 갖는 활동과 관련된 장소의 관심 영역내에 있을 것이라면 활동에 따른 인터랙션의 관심 스코어는 +2("포지티브 인터랙션")이다; 사용자가 랜덤 기회보다 e-1(2.72에서 -1 급수)배의 더 낮은 확률을 갖는 활동과 관련된 장소의 관심 영역내에 있을 것이라면 활동에 따른 인터랙션의 관심 스코어는 -1("포지티브 인터랙션")이다; 사용자가 랜덤 기회보다 e-2(2.72에서 -2 급수)배의 더 낮은 확률을 갖는 활동과 관련된 장소의 관심 영역내에 있을 것이라면 활동에 따른 인터랙션의 관심 스코어는 -2("포지티브 인터랙션")이다.
본 발명에 따른 공공 장소와 관련된 활동과 함께 사용자의 인터랙션은 정의된 시간 주기 동안 장소에서 사용자의 존재 빈도와 관련해 더 평가될 수 있다("존재 빈도"라는 용어는 사용자가 정의된 시간 주기 동안 장소에 "있음"으로 등록된 횟수를 말한다). 가령, 관심 스코어는 사용자가 정의된 시간 주기 동안 장소에 있는 회수에 따라 정규화된다. 가령, 관심 스코어는 사용자가 시간 주기당 장소에 등록된 회수가 곱해진다. 본 발명의 정의된 시간 주기는 다른 실시예에서 변할 수 있고, 따라서, 임의의 소정의 길이, 가령, 1일, 1주, 한달, 1년 등의 시간 주기일 수 있다. 정의된 시간 주기의 길이는 통상적으로 본 발명의 특별한 실시예에 따라 정의된다.
본 발명에 따르면, 활동에 따른 사용자의 관심의 높은 관심 스코어 점수는 체크인의 이웃 영역내에서 장소와 관련된 하나(또는 다수)의 공공 활동(들)의 사용자의 높은 관심과 상관될 수 있다. 즉, 상술한 바와 같은 공공 활동들에 따른 사용자의 관심의 스코어링 점수는 장소와 관련된 공공 활동(들)에 대한 사용자의 관심 레벨을 반영한다: 스코어 점수가 높을 수록 관심이 더 크며, 그 반대도 마찬가지이다. 따라서, 본 발명에 따르면, 공공 활동에 따른 사용자의 인터랙션을 기술함으로써 사용자의 관심 범위를 정의할 수 있다.
그러므로, 본 발명에 따른 사용자의 관심 범위를 정의하는 것은 대표적으로 임의의 순서로 수행된 (i) 적어도 하나의 공공 활동의 카테고리(들)에 따라 선택된 지리적 영역내에서 적어도 하나의 공공 활동과 관련된 하나 이상의 공공 장소들을 카테고리화 하는 단계, 및 (ii) 정의된 시간 주기 동안 상기 공공 활동들 중 하나 이상과 사용자의 인터랙션을 기술하는 단계를 포함한다.
일실시예에서, 선택된 지리적 영역내 공공 장소는 장소에서 공공 활동의 카테고리의 목록을 포함한 활동 프로파일로 기술될 수 있다, 즉, 이와 직접 관련될 수 있다. 그러나, 이 직접 관련된 공공 활동과 사용자의 (가령, 상술한 바와 같은 스코어링 시스템을 이용한) 인터랙션은 또한 이 장소와 간접적으로 관련된, 즉, 관심 장소의 이웃영역내에 있는 공공 장소들과 직접 관련된 동일한 카테고리의 활동들에 대한 사용자의 관심을 높은 확률로 드러낼 수 있다.
예컨대, 사용자가 자신의 존재를 등록한 공공 장소는 공공 활동의 소정 카테고리에 대한 장소일 수 있다(즉, 장소는 공공 활동과 직접 관련된다). 이 활동이 장소와 직접 관련된 단 하나의 공공 활동이라면, 장소의 활동 프로파일은 공공 활동의이 카테고리만을 포함할 수 있으나, 존재가 정의된 시간 주기 동안 장소에 드록된 사용자의 관심 프로파일은 모든 언급된 활동들을 포함할 수 있으며, 이런 활동들은 사용자가 자신의 존재를 등록한 장소의 이웃 영역에 위치된 공공 장소와 직접 관련있다.
다른 실시예에서, 공공 장소는 공공 활동의 다른 카테고리들에 속하는 하나 이상의 공공 활동들과 직접 관련있다. 즉, 공공 장소는 (장소와 직접 관련 있는) 공공 활동(들)의 하나 이상의 카테고리들에 대한 장소이다. 가령, 스포츠 센터는 상점 및 카페를 포함하고, 이는 공공 활동의 다른 카테고리들과 관련된 하나 이상의 장소들의 이웃, 가령, 영화관, 은행, 약국에 있다. 본 발명에 따르면, 이 공공 장소는 또한 이웃 장소 및 이웃 장소들과 관련된 다른 공개 활동들과 간접적으로 관련있을 수 있고, 존재가, 이웃 장소에서가 아니라, 장소에 등록된 사용자의 관심 프로파일은 그럼에도 불구하고 이웃 장소들과 관련된 공공 활동의 카테고리를 포함할 수 있다.
한가지 실시예로, 본 발명의 공공 장소는 (본 발명에 따라 카테고리화될 수 있는) 어떤 특정한 공공 활동과 관련없는 장소일 수 있으나, 오히려 공공 활동들의 하나 이상의 카테고리(들)과 관련된 하나 이상의 공공 장소들에 있는 한 공공 지역이다. 이런 실시예에서, 공공 장소는 하나(또는 하나 이상)의 이웃 공공 장소들의 공공 활동들의 하나 이상의 카테고리들과 간접적으로 관련있고, 따라서, 상기 공공 장소에 등록된 사용자의 관심 프로파일은 이웃 장소와 관련된 공공 활동들을 포함할 수 있다.
체크인 이웃 영역에서의 모든 활동들은 사용자의 관심 프로파일에 포함될 수 있다. 이웃 영역의 크기는 분석에 포함되는, 즉 비교, 순위, 유사성에 따라 그룹화되는 사용자의 관심 프로파일과 장소에 대해 동일하게 설정될 수 있다. 체크인 이웃영역의 크기를 결정하기 위해, 하기의 기준이 고려된다: 체크인으로부터 활동(들)을 찾을 확률간의 차가 체크인 주위로 랜덤 분포로부터 예상된 활동(들)을 찾을 확률로부터 통계적으로 중요치 않게 되는, 즉, 체크인의 관심 스코어가 0에 접근하는, 활동까지의 최대 지리적 거리. "지리적 거리"는 체크인 위치로부터 이웃 공공 활동까지의 거리를 의미한다. 체크인과 활동 간의 거리가 대략 정의될 수 있고 ("약"이라는 용어로 표시되고), 0km에서 2km, 및 2km보다 더 긴, 가령, 3km, 4km, 5km 에서 7km의 거리들이 포함된다.
따라서, 상술한 바와 같은 다른 접근들을 이용해, 본 발명의 방법은, 일실시예에서, 하나 이상의 모바일 애플리케이션의 등록된 사용자들의 관심 프로파일의 데이터베이스일 수 있고, 또 다른 실시예에서는, 하나 이상의 모바일 애플리케이션의 등록된 사용자 그룹의 관심 프로파일의 데이터베이스일 수 있고, 또 다른 실시예에서는, 공공 장소 및/또는 지리적 장소들의 관심 프로파일의 데이터베이스일 수 있고, 또 다른 실시예에서는, 장소/장소 그룹의 관심 프로파일의 데이터베이스일 수 있는, 복수의 데이터베이스를 제공한다.
본 발명의 데이터베이스는 가령 (i) 관심 프로파일에 반영된 사용자들의 관심 범위들에 따라 다른 사용자들을 그룹핑하고, (ii) 선택된 지리적 영역내 사용자들의 사회지리적 행동을 분석하며, (iii) 선택된 지리적영역내 유사한 관심 프로파일들로 공공 장소의 순위를 생성하고, (iv) 장소 또는 (사업 타입, 다수의 위치들과 함께 사업명, 및 다른 선택 기준을 기초로 한 그룹화된) 장소 그룹의 관심 프로파일에 대한 유사한 관심 프로파일을 갖는 사용자들의 순위를 생성하기 위한 다른 실시예들에 사용될 수 있다. 따라서, 일실시예에서, 본 발명의 데이터베이스는 또 다른 실시예에 타겟 광고를 위해 사용될 수 있고, 또 다른 실시예에서는 소셜 네트워킹에 사용될 수 있고, 추천을 위해 사용될 수 있다.
본 발명의 내용에 포함됨.
아래에 첨부도면을 참조로 한 개시가 다음과 같이 기술될 수 있다.
도 1은 모바일 애플리케이션의 데이터베이스에 저장되고 기록된 두 사용자들의 체크인과 관련된 정보의 예이다.
도 2는 사용자 체크인과 관련된 정보의 변환 및 이를 사용자 관심 프로파일의 계산을 위해 필요한 포맷으로 변환의 일예이다. 이는 분류 구조에 따라 체크인과 관련된 공공 활동의 카테고리화(도 34)를 기술한 개인 식별가능정보(전화번호, 이메일 주소, 등)의 제거, 체크인 및 방문 시간의 물리적 위치와 관련된 데이터의 복사, 및 필드 추가를 포함하며, 이는 도 13 및 도 14에 상세히 설명되어 있다.
도 3은 모바일 애플리케이션(또는 모바일 서비스 공급자)의 데이터베이스로부터 수신된 user_1 및 user_2와 관련된 체크인의 일예이다. 체크인은 지리적 층에 맵핑된다.
도 4는 선택된 지리적 영역 내에 모바일 애플리케이션의 user_1 및 user_2의 체크인을 추출하는 과정의 일예이다. 지리적 영역의 주변부 밖에 위치된 체크인은 user_1 및 user_2의 체크인 데이터베이스로부터 제거된다. 주변부는 대시선으로 약술되어 있다.
도 5는 선택된 시간 주기 내에 모바일 애플리케이션의 user_1 및 user_2의 체크인을 추출하는 과정의 일예이다. 이 도면은 석달 동안(4월, 5월, 및 6월) 발생한 체크인의 선택을 도시한 것이다. 이 시간 주기를 벗어난 체크인은 user_1 및 user_2의 체크인 데이터베이스에서 제거된다.
도 6은 선택된 날의 카테고리에 대한 선택된 시간 주기(가령, 주일 대 주말)내에 모바일 애플리케이션의 user_1 및 user_2의 체크인을 추출하는 과정의 일예이다. 이 도면은 선택된 시간 주기 동안 주말에 발생한 체크인의 선택을 도시한 것이다. 이날을 벗어난 체크인은 user_1 및 user_2의 체크인 데이터베이스에서 제거된다.
도 7은 선택된 시간 간격 동안 선택된 시간주기(가령, 9시-18시) 내에 모바일 애플리케이션의 user_1 및 user_2의 체크인을 추출하는 과정의 일예이다. 이 도면은 9시-18시 사이 선택된 시간 주기 동안 주말에 발생한 체크인의 선택을 도시한 것이다. 이 시간 주기를 벗어난 체크인은 user_1 및 user_2의 체크인 데이터베이스에서 제거된다.
도 8은 사용자의 관심 프로파일의 계산에 사용되는 공공 장소와 관련된 공공 활동들로 체크인 이웃영역의 크기를 설정하는 일예이다.
도 9는 도 8에 따른 각 체크인의 이웃 영역들의 선택 과정이다.
도 10은 지리적 데이터베이스로부터 각 체크인의 이웃 영역(도 9)내에 위치된 공공 장소에 대한 정보의 획들 과정이다. 공간정보 데이터베이스에서 각 장소와 관련된 데이터의 샘플 포맷이 도시되어 있다.
도 11은 도 10에 따라 얻은 공공 장소와 관련된 정보를 사용자 관심 프로파일의 계산을 위해 사용된 포맷으로의 변환 과정이다. 이는 분류 구조에 따라 공공 장소와 관련된 공공 활동의 카테고리화(도 34)를 기술한 관련없는 정보(가령, URL, 데이터베이스 고유 ID 등)의 제거, 장소의 물리적 위치 및 우편주소와 관련된 데이터의 복사, 및 필드 추가를 포함하고, 이는 도 13 및 도 14에 더 상세히 설명되어 있다.
도 12는 레벨 1, 레벨 2 및 레벨 3에서 계산될 수 있는 사용자 관심 프로파일의 카테고리화 레벨의 일예이다. 각 카테고리 레벨에서 관심 프로파일은 저입도의 1차 레벨(레벨 1), 중입도의 2차 레벨(레벨 2), 및 고입도의 3차 레벨(레벨 3)에서 활동들에 따라 개인 인터랙션들을 기술할 것이다.
도 13은 도 10에 도시된 바와 같이 생성된 로코마이저 장소 데이터베이스를 1차 카테고리화(도 12)에서 사용자 관심 프로파일을 계산하는데 사용된 로코마이저 활동 데이터베이스로의 변환을 기술하는 과정이다.
도 14은 도 10에 도시된 바와 같이 생성된 로코마이저 장소 데이터베이스를 2차 카테고리화(도 12)에서 사용자 관심 프로파일을 계산하는데 사용된 로코마이저 활동 데이터베이스로의 변환을 기술하는 과정이다.
도 15는 1차 레벨(도 13)에서 활동 데이터베이스를 이용한 각 체크인의 이웃 영역들로부터 1차 레벨 활동을 계속하는 그룹핑의 일예이다.
도 16은 체크인의 이웃 영역들 내에 각 1차 레벨에서 활동들 모두와 각 체크인 간의 거리를 측정하고 기록하는 과정이다. 1차 레벨 활동인 "스포츠"가 일예로 사용되었고, 1차 레벨에서 각 활동에 대해 동일한 절차가 수행된다.
도 17은 각 1차 레벨(도 16)에서 체크인과 활동들 간에 측정된 거리를 샘플링 그룹들로 그룹핑하는 예이다. 체크인으로부터 각 거리 간격에서 발견된 측정된 거리들의 개수가 데이터베이스의 중간 Record_2로 저장되고 다음 단계들에서 사용자 관심 프로파일의 계산을 위해 사용된다.
도 18은 원의 면적을 측정하기 위한 표준 수학적 절차를 이용해 체크인 이웃 영역에 있는 각 샘플링 그룹의 영역을 계산하는 일예이다 이들 계산 결과들은 다음 단계에서 사용자 관심 프로파일의 계산에 사용된다.
도 19는 각 체크인에 대한 각 샘플링 그룹에서 1차 레벨(가령, "스포츠")에서 활동을 찾을 확률을 계산하는 일예이다. 표에서 (위에서 아래로) 각 단계에 대해 확률과 실질적으로 그 자연로그를 계산하는 알고리즘이 도시되어 있다. 0 확률의 경우, 자연로그가 취해지지 않고 필드는 공백으로 남겨 진다. 각 1차 레벨에서 활동을 찾을 확률의 자연로그는 데이터베이스에서 중간 Record_3로서 저장되고 다음 단계들 동안 사용자의 관심 프로파일을 계산하는데 사용된다.
도 20은 사용자의 선택된 체크인 데이터베이스로부터 각 샘플링 그룹에서 1차 레벨(가령, "스포츠")를 발견할 평균 확률을 계산하는 일예이다. 각 1차 활동을 찾을 확률의 평균 자연로그를 관심 스코어라하며, 이는 다음 단계들에서 사용자 관심 프로파일을 계산하는데 이용된다.
도 21은 각 사용자 주위의 관심 영역내에 사용자의 총 관심 스코어를 계산하는 일예이다. 관심 스코어는 사용자로부터의 거리, 가령, 총 관심 스코어를 계산하도록 선택된 샘플링 그룹의 개수와 범위에 따른다. 총 관심 스코어의 양의 값은 선택된 관심 영역내에 특정 활동 카테고리에 대한 각 사용자가 갖는 어트랙션(attraction) 량에 대해 제시할 것이다. 총 관심 스코어의 음의 값은 선택된 관심 영역내 특정 활동 카테고리에 대해 각 사용자가 갖는 리펄션(repulsion) 량에 대해 제시할 것이다. 1차 레벨에서 각 활동에 대해 계산된 총 관심 스코어는 데이터베이스에서 중간 record_4로 저장되고 다음 단계동안 사용자의 관심 프로파일을 계산하는데 사용된다.
도 22는 도시된 사용자의 최종 정규화된 관심 프로파일의 계산을 도시한 절차이다. 이는 사용자(도 21)의 총 관심 스코어에 체크인/날(도 5-7)의 곱셈, 및 선택된 지리적 영역의 크기로 나눗셈을 포함한다.
도 23은 런던 중심부에서 다른 체크인 패턴들을 갖는 사용자 관심 프로파일의 3가지 예를 도시한 것이다. 제 1 사용자(그룹 1)는 1차 레벨 활동의 각 카테고리에서 거의 균일하게 체크인한다. 제 2 사용자(그룹 2)는 1차 레벨의 "식사/음료"로부터의 활동에만 유일하게 체크인하며, 제 3 사용자(그룹 3)은 1차 레벨 "스포츠"로부터의 활동에만 유일하게 체크인한다.
도 24는 그룹 1 및 그룹 2로부터 3명의 다른 사용자의 관심 프로파일의 샘플을 도시한 것이다(도 23).
도 25는 그룹 1 및 그룹 2(도 22 및 도 23)로부터 사용자는 그룹들 간에서 서로 더 비슷한 것을 도시한 그래프이다.
도 26은 통상적으로 사용된 유클리드 거리 알고리즘을 이용해 계산된 그룹으로부터 user1 프로파일과의 유성을 기초로 그룹 1 및 그룹 2(도 25)로부터 랭킹 10의 샘플 사용자 관심 프로파일의 일예이다(텍스트에 있는 설명 참조).
도 27은 장소의 관심 프로파일을 계산하기 위한 선택된 지리적 영역내 특정 장소 그룹의 선택의 일예이다. 코스타 커피숍에 해당하는 37개 위치들이 런던 중심부에 선택된다.
도 28은 공공 장소와 관련된 공공 활동들에 따른 장소 이웃 영역의 크기를 설정하는 일예로, 장소의 관심 프로파일의 계산에 사용된다.
도 29는 도 28에 따른 각 장소의 이웃 영역들의 선택의 과정이다.
도 30은 지리 데이터베이스로부터 각 장소(도 29)의 이웃 영역들 내에 위치된 공공 장소에 대한 정보의 획득 과정이다. 공간정보 데이터베이스에서 각 장소와 관련된 데이터의 샘플 포맷이 도시되어 있다.
도 31은 선택된 지리적 영역내에 있는 코스타 커피 위치(가령, 런던 중심부에서 37개의 코스트 커피샵)와 관련된 정규화된 관심 프로파일의 계산을 설명하는 알고리즘을 도시한 것이다.
도 32는 통상적으로 사용되는 유클리드 거리 알고리즘을 이용해 계산된 코스타 관심 프로파일(도 32)과의 유사성을 기초로 그룹 1 및 그룹 2(도 25)로부터 랭킹 10 위의 사용자 관심 프로파일의 일예이다(텍스트에 있는 설명 참조).
도 33은 각 사용자의 개별 관심 프로파일을 기초로 사용자 그룹의 평균 관심 프로파일의 계산을 설명한 알고리즘이다. 특정 타입의 활동에 해당하는 사용자의 관심 프로파일의 값들은 합해지고 사용자들의 수로 나누어진다. 이 절차는 각 타입의 활동에 대해 반복되고, 각 타입의 활동에 대해 얻은 최종 결과 값이 사용자 그룹의 평균 관심 프로파일을 형성한다.
도 34는 Tier1 및 Tier2 카테고리화 레벨로 구성된 확립된 분류 구조로 공공 활동의 카테고리화를 위한 간단한 방식이다.
도 35는 본 발명을 실행하는 방법의 단계들의 도면이다.
도 36은 본 발명에 따라 수행된 단계들을 나타내는 흐름도이다.
도 1은 모바일 애플리케이션의 데이터베이스에 저장되고 기록된 두 사용자들의 체크인과 관련된 정보의 예이다.
도 2는 사용자 체크인과 관련된 정보의 변환 및 이를 사용자 관심 프로파일의 계산을 위해 필요한 포맷으로 변환의 일예이다. 이는 분류 구조에 따라 체크인과 관련된 공공 활동의 카테고리화(도 34)를 기술한 개인 식별가능정보(전화번호, 이메일 주소, 등)의 제거, 체크인 및 방문 시간의 물리적 위치와 관련된 데이터의 복사, 및 필드 추가를 포함하며, 이는 도 13 및 도 14에 상세히 설명되어 있다.
도 3은 모바일 애플리케이션(또는 모바일 서비스 공급자)의 데이터베이스로부터 수신된 user_1 및 user_2와 관련된 체크인의 일예이다. 체크인은 지리적 층에 맵핑된다.
도 4는 선택된 지리적 영역 내에 모바일 애플리케이션의 user_1 및 user_2의 체크인을 추출하는 과정의 일예이다. 지리적 영역의 주변부 밖에 위치된 체크인은 user_1 및 user_2의 체크인 데이터베이스로부터 제거된다. 주변부는 대시선으로 약술되어 있다.
도 5는 선택된 시간 주기 내에 모바일 애플리케이션의 user_1 및 user_2의 체크인을 추출하는 과정의 일예이다. 이 도면은 석달 동안(4월, 5월, 및 6월) 발생한 체크인의 선택을 도시한 것이다. 이 시간 주기를 벗어난 체크인은 user_1 및 user_2의 체크인 데이터베이스에서 제거된다.
도 6은 선택된 날의 카테고리에 대한 선택된 시간 주기(가령, 주일 대 주말)내에 모바일 애플리케이션의 user_1 및 user_2의 체크인을 추출하는 과정의 일예이다. 이 도면은 선택된 시간 주기 동안 주말에 발생한 체크인의 선택을 도시한 것이다. 이날을 벗어난 체크인은 user_1 및 user_2의 체크인 데이터베이스에서 제거된다.
도 7은 선택된 시간 간격 동안 선택된 시간주기(가령, 9시-18시) 내에 모바일 애플리케이션의 user_1 및 user_2의 체크인을 추출하는 과정의 일예이다. 이 도면은 9시-18시 사이 선택된 시간 주기 동안 주말에 발생한 체크인의 선택을 도시한 것이다. 이 시간 주기를 벗어난 체크인은 user_1 및 user_2의 체크인 데이터베이스에서 제거된다.
도 8은 사용자의 관심 프로파일의 계산에 사용되는 공공 장소와 관련된 공공 활동들로 체크인 이웃영역의 크기를 설정하는 일예이다.
도 9는 도 8에 따른 각 체크인의 이웃 영역들의 선택 과정이다.
도 10은 지리적 데이터베이스로부터 각 체크인의 이웃 영역(도 9)내에 위치된 공공 장소에 대한 정보의 획들 과정이다. 공간정보 데이터베이스에서 각 장소와 관련된 데이터의 샘플 포맷이 도시되어 있다.
도 11은 도 10에 따라 얻은 공공 장소와 관련된 정보를 사용자 관심 프로파일의 계산을 위해 사용된 포맷으로의 변환 과정이다. 이는 분류 구조에 따라 공공 장소와 관련된 공공 활동의 카테고리화(도 34)를 기술한 관련없는 정보(가령, URL, 데이터베이스 고유 ID 등)의 제거, 장소의 물리적 위치 및 우편주소와 관련된 데이터의 복사, 및 필드 추가를 포함하고, 이는 도 13 및 도 14에 더 상세히 설명되어 있다.
도 12는 레벨 1, 레벨 2 및 레벨 3에서 계산될 수 있는 사용자 관심 프로파일의 카테고리화 레벨의 일예이다. 각 카테고리 레벨에서 관심 프로파일은 저입도의 1차 레벨(레벨 1), 중입도의 2차 레벨(레벨 2), 및 고입도의 3차 레벨(레벨 3)에서 활동들에 따라 개인 인터랙션들을 기술할 것이다.
도 13은 도 10에 도시된 바와 같이 생성된 로코마이저 장소 데이터베이스를 1차 카테고리화(도 12)에서 사용자 관심 프로파일을 계산하는데 사용된 로코마이저 활동 데이터베이스로의 변환을 기술하는 과정이다.
도 14은 도 10에 도시된 바와 같이 생성된 로코마이저 장소 데이터베이스를 2차 카테고리화(도 12)에서 사용자 관심 프로파일을 계산하는데 사용된 로코마이저 활동 데이터베이스로의 변환을 기술하는 과정이다.
도 15는 1차 레벨(도 13)에서 활동 데이터베이스를 이용한 각 체크인의 이웃 영역들로부터 1차 레벨 활동을 계속하는 그룹핑의 일예이다.
도 16은 체크인의 이웃 영역들 내에 각 1차 레벨에서 활동들 모두와 각 체크인 간의 거리를 측정하고 기록하는 과정이다. 1차 레벨 활동인 "스포츠"가 일예로 사용되었고, 1차 레벨에서 각 활동에 대해 동일한 절차가 수행된다.
도 17은 각 1차 레벨(도 16)에서 체크인과 활동들 간에 측정된 거리를 샘플링 그룹들로 그룹핑하는 예이다. 체크인으로부터 각 거리 간격에서 발견된 측정된 거리들의 개수가 데이터베이스의 중간 Record_2로 저장되고 다음 단계들에서 사용자 관심 프로파일의 계산을 위해 사용된다.
도 18은 원의 면적을 측정하기 위한 표준 수학적 절차를 이용해 체크인 이웃 영역에 있는 각 샘플링 그룹의 영역을 계산하는 일예이다 이들 계산 결과들은 다음 단계에서 사용자 관심 프로파일의 계산에 사용된다.
도 19는 각 체크인에 대한 각 샘플링 그룹에서 1차 레벨(가령, "스포츠")에서 활동을 찾을 확률을 계산하는 일예이다. 표에서 (위에서 아래로) 각 단계에 대해 확률과 실질적으로 그 자연로그를 계산하는 알고리즘이 도시되어 있다. 0 확률의 경우, 자연로그가 취해지지 않고 필드는 공백으로 남겨 진다. 각 1차 레벨에서 활동을 찾을 확률의 자연로그는 데이터베이스에서 중간 Record_3로서 저장되고 다음 단계들 동안 사용자의 관심 프로파일을 계산하는데 사용된다.
도 20은 사용자의 선택된 체크인 데이터베이스로부터 각 샘플링 그룹에서 1차 레벨(가령, "스포츠")를 발견할 평균 확률을 계산하는 일예이다. 각 1차 활동을 찾을 확률의 평균 자연로그를 관심 스코어라하며, 이는 다음 단계들에서 사용자 관심 프로파일을 계산하는데 이용된다.
도 21은 각 사용자 주위의 관심 영역내에 사용자의 총 관심 스코어를 계산하는 일예이다. 관심 스코어는 사용자로부터의 거리, 가령, 총 관심 스코어를 계산하도록 선택된 샘플링 그룹의 개수와 범위에 따른다. 총 관심 스코어의 양의 값은 선택된 관심 영역내에 특정 활동 카테고리에 대한 각 사용자가 갖는 어트랙션(attraction) 량에 대해 제시할 것이다. 총 관심 스코어의 음의 값은 선택된 관심 영역내 특정 활동 카테고리에 대해 각 사용자가 갖는 리펄션(repulsion) 량에 대해 제시할 것이다. 1차 레벨에서 각 활동에 대해 계산된 총 관심 스코어는 데이터베이스에서 중간 record_4로 저장되고 다음 단계동안 사용자의 관심 프로파일을 계산하는데 사용된다.
도 22는 도시된 사용자의 최종 정규화된 관심 프로파일의 계산을 도시한 절차이다. 이는 사용자(도 21)의 총 관심 스코어에 체크인/날(도 5-7)의 곱셈, 및 선택된 지리적 영역의 크기로 나눗셈을 포함한다.
도 23은 런던 중심부에서 다른 체크인 패턴들을 갖는 사용자 관심 프로파일의 3가지 예를 도시한 것이다. 제 1 사용자(그룹 1)는 1차 레벨 활동의 각 카테고리에서 거의 균일하게 체크인한다. 제 2 사용자(그룹 2)는 1차 레벨의 "식사/음료"로부터의 활동에만 유일하게 체크인하며, 제 3 사용자(그룹 3)은 1차 레벨 "스포츠"로부터의 활동에만 유일하게 체크인한다.
도 24는 그룹 1 및 그룹 2로부터 3명의 다른 사용자의 관심 프로파일의 샘플을 도시한 것이다(도 23).
도 25는 그룹 1 및 그룹 2(도 22 및 도 23)로부터 사용자는 그룹들 간에서 서로 더 비슷한 것을 도시한 그래프이다.
도 26은 통상적으로 사용된 유클리드 거리 알고리즘을 이용해 계산된 그룹으로부터 user1 프로파일과의 유성을 기초로 그룹 1 및 그룹 2(도 25)로부터 랭킹 10의 샘플 사용자 관심 프로파일의 일예이다(텍스트에 있는 설명 참조).
도 27은 장소의 관심 프로파일을 계산하기 위한 선택된 지리적 영역내 특정 장소 그룹의 선택의 일예이다. 코스타 커피숍에 해당하는 37개 위치들이 런던 중심부에 선택된다.
도 28은 공공 장소와 관련된 공공 활동들에 따른 장소 이웃 영역의 크기를 설정하는 일예로, 장소의 관심 프로파일의 계산에 사용된다.
도 29는 도 28에 따른 각 장소의 이웃 영역들의 선택의 과정이다.
도 30은 지리 데이터베이스로부터 각 장소(도 29)의 이웃 영역들 내에 위치된 공공 장소에 대한 정보의 획득 과정이다. 공간정보 데이터베이스에서 각 장소와 관련된 데이터의 샘플 포맷이 도시되어 있다.
도 31은 선택된 지리적 영역내에 있는 코스타 커피 위치(가령, 런던 중심부에서 37개의 코스트 커피샵)와 관련된 정규화된 관심 프로파일의 계산을 설명하는 알고리즘을 도시한 것이다.
도 32는 통상적으로 사용되는 유클리드 거리 알고리즘을 이용해 계산된 코스타 관심 프로파일(도 32)과의 유사성을 기초로 그룹 1 및 그룹 2(도 25)로부터 랭킹 10 위의 사용자 관심 프로파일의 일예이다(텍스트에 있는 설명 참조).
도 33은 각 사용자의 개별 관심 프로파일을 기초로 사용자 그룹의 평균 관심 프로파일의 계산을 설명한 알고리즘이다. 특정 타입의 활동에 해당하는 사용자의 관심 프로파일의 값들은 합해지고 사용자들의 수로 나누어진다. 이 절차는 각 타입의 활동에 대해 반복되고, 각 타입의 활동에 대해 얻은 최종 결과 값이 사용자 그룹의 평균 관심 프로파일을 형성한다.
도 34는 Tier1 및 Tier2 카테고리화 레벨로 구성된 확립된 분류 구조로 공공 활동의 카테고리화를 위한 간단한 방식이다.
도 35는 본 발명을 실행하는 방법의 단계들의 도면이다.
도 36은 본 발명에 따라 수행된 단계들을 나타내는 흐름도이다.
하기는 상술한 바와 같이 첨부도면을 참조로 본 발명의 실시예들을 제한하지 않는 일부에 대한 설명이다.
도 1 내지 34는 본 발명의 방법의 서로 다른 태양들 및 국한되지 않는 실시예들을 도시하며, 특히 (a) (i) 등록 사용자 ID, (ii) 사용자가 모바일 애플리케이션(들)이나 설비로 체크인하고 있는 장소의 지리적 좌표 및 (iii) 체크-인이 발생중인 시점을 포함할 수 있는 정보를 수신하고 저장할 수 있거나, 수신하고 저장할 수 있는 설비와 연결되는 하나 이상의 모바일 애플리케이션의 등록 사용자인 개인의 관심 프로파일을 생성하기 위한 방법의 단계들; 및 (b) 선택된 지리적 영역에서 장소/지리적 위치의 활동/관심 프로파일을 생성하기 위한 방법의 단계들을 도시하는데, 방법 (a)는:
1. 상기 모바일 애플리케이션과 연결된 하나 이상의 데이터베이스로부터 선택된 지리적 영역과 정의된 시간 구간과 관련이 있는 (상술한) 데이터 (i), (ii) 및/또는 (iii)을 포함하는 하나 이상의 모바일 애플리케이션의 등록 사용자에 대한 정보를 획득하는 단계,
2. (1)의 데이터를 분석하고, (1)과 관련되고 (1)의 인접 영역 내 공공 장소(들)와 관련된 공공 활동을 식별하며, 그와 관련된 공공 활동(들)에 대하여 상기 장소를 카테고리화하는 단계,
3. (2)의 활동과 등록 사용자의 상호작용을 분석하는 단계,
4. (2)의 장소와 관련된 공공 활동과 사용자의 관계의 설명을 포함하는 등록 사용자의 관심 프로파일을 생성하는 단계를 포함할 수 있으며,
방법 (b)는:
1. 하나 이상의 지리-공간 데이터베이스로부터 선택된 지리적 영역 내에 위치한 관심 있는 공공 장소에 대한 정보를 획득하거나 수신하는 단계,
2. (1)의 데이터를 분석하고, (1)과 관련되고 (1)의 인접 영역 내의 공공 장소(들)와 관련된 공공 활동을 식별하며, 그와 관련된 공공 활동(들)에 대해 상기 장소를 카테고리화하는 단계,
3. (2)의 공공 장소의 활동과 (1)의 관심 있는 공공 장소의 상호작용을 분석하는 단계,
4. (2)의 장소와 관련된 공공 활동과 장소의 관계의 설명을 포함하는 (1)의 관심 있는 공공 장소의 관심 프로파일을 생성하는 단계를 포함할 수 있다.
특히, 가령 Foursquare, 예컨대 방법 (a)의 Foursquare user_32 및 Foursquare user_2584와 같이 모바일 애플리케이션이나 서비스의 2명의 서로 다른 등록 사용자의 개인 체크-인 프로파일로 구성된 데이터의 예가 도 1에 도시된다.
본 명세서에서 Foursqure에 대한 언급은 Foursquare 구현으로 국한되는 것으로 간주되지 않아야 하며, Foursquare는 단지 본 발명과 함께 이용될 수 있는 모바일 애플리케이션, 웹사이트 또는 서비스의 예라고 이해될 것이다.
도 2는 본 발명에 따른 사용자 데이터베이스("Locomizer user database")의 개인 프로파일(프로파일은 "Locomizer user"로 식별됨)에 포함된 정보 및 이런 정보가 어떻게 종합되는지에 대한 방법을 보여준다.
본 명세서에서 로코마이저(Locomizer)에 대한 언급은 Locomizer로 국한되는 것으로 간주되지 않아야 하며, Locomizer는 단지 본 발명과 함께 이용될 수 있는 모바일 애플리케이션, 웹사이트 또는 서비스를 지정하는데 사용되는 명칭이라고 이해될 것이다.
가령 Foursquare, 예컨대 Foursquare user_32와 같이 서비스에 접속하기 위한 특정 사용자 프로파일에 해당하는, 예컨대 도 2의 Locomizer user_1의 프로파일과 같은 Locomizer 사용자 프로파일은: (i) ("복사 필드(copied fields)"로 도 2에 식별된) 서비스 데이터베이스에서 특정 프로파일로부터 추출된 정보, 특히 (a) (예컨대, 사용자의 Foursquare ID 및 사용자의 개인 이름과 같은 Foursquare의) 해당 등록 사용자를 식별하는 데이터, (b) 예컨대, 가령 장소 명칭, 주소 및 지리적 좌표와 같은 Foursqure와 같이, 사용자가 서비스로 체크인한 장소를 식별하는 데이터, 및/또는 (c) 체크인의 날짜와 시간에 대한 데이터; 및 (ii) 예컨대 ("추가 필드(added fields)"로 도 2에 식별된) 장소와 관련된 공공 활동의 카테고리와 같이, 본 발명에 따른 장소의 설명인 2 부분들을 포함한다.
게다가, 서비스 장소 및 등록 체크-인 모두는 Locomizer 사용자의 프로파일에서 새로운 ID를 획득한다.
도 3은 제1 체크인에서 마지막 체크인까지의 시간 구간 동안, 즉 도 3에서 user_1에 대해 158일 및 user_2에 대해 97일 동안, 본 발명에 따른 적어도 하나의 공공 활동과 관련된 장소에서, 예컨대 Foursquare와 같은 서비스로 체크인된 2개의 예시적인 Locomizer 사용자 프로파일로부터 얻은 체크인의 모든 지리적 위치의 예를 도시한다. 도 4는 도 3의 두 사용자에 대한 체크-인의 장소를 포함하는 도 3의 선택된 영역 1을 도시한다.
도 5는 정의된 시간 구간 동안 선택된 영역 1 내에서 Locomizer user_1 및 Locomizer user_2의 체크인의 분석의 그래픽 표현이다. 분석은: (i) 4월, 5월 및 6월(즉, 90일) 동안 선택된 영역 1 내에서 2명의 사용자가 각각 했던 체크인의 수 및 (ii) (바코드에 상응하는 사용자로서 제시되는) 이런 시간 구간 내에서 일별 체크인의 수를 나타낸다.
도 6은 4월, 5월 및 6월의 평일 동안 선택된 영역 1 내에서 Locomizer user_1 및 Locomizer user_2의 체크인 분석의 추가적인 단계의 그래픽 표현이다. 분석은: (i) 4월, 5월 및 6월(즉, 63일) 동안 선택된 영역 1 내에서 2명의 사용자가 각각 했던 체크인의 수 및 (ii) (바코드에 상응하는 사용자로서 제시되는) 이런 시간 구간 내에서 일별 체크인의 수를 나타낸다.
도 7은 4월, 5월 및 6월의 평일에 9.00-18.00 시간 간격 동안 선택된 영역 1 내에서 Locomizer user_1 및 Locomizer user_2의 체크인 분석의 또 다른 추가적인 단계의 그래픽 표현이다. 분석은: (i) 4월, 5월 및 6월의 평일에 9.00-18.00 시간 간격 동안 선택된 영역 1 내에서 2명의 사용자가 각각 했던 체크인의 수 및 (ii) (바코드에 상응하는 사용자로서 제시되는) 이런 시간 구간 내에서 일별 체크인의 수를 나타낸다.
도 8은 정의된 시간 구간(즉, 4월, 5월 및 6월) 내 선택된 영역 1의 부분 내에서 Locomizer user_1에 의한 단일의 체크인의 장소를 도시하며, 본 발명에 의해 정의되는 것으로 인접 영역(즉, 체크인 1로부터의 2km)을 식별한다.
도 9는 선택된 영역 1 및 다수의 인접 영역(또는 "체크인 영역(check-in areas)")을 도시한다.
도 10은 맵에서 체크인 1의 장소 주변의 2km 인접 영역 내에서 식별된 체크인 위치(적색 핀)와 모든 장소(흑색 핀) 및 Factual.com 데이터베이스를 추출된 식별된 장소 설명의 2가지 예들(즉, 장소 1 및 장소 2)을 도시한다.
도 11은 본 발명의 데이터베이스에서 본 발명에 따라 적어도 하나의 공공 활동(Locomizer 장소)과 관련된 장소의 프로파일을 생성하는 개략도이다. Locomizer 장소 프로파일은 (i) 장소 명칭, 지리적 좌표 및 주소를 포함하는 장소 ID 정보(예컨대, Factual.com 데이터베이스로부터의) "복사 필드") 및 (ii) 본 발명에 따른 장소와 관련된 공공 활동의 카테고리의 설명("추가 필드")을 포함한다.
도 12는 본 발명의 관심 프로파일을 생성하기 위해 사용될 수 있는 적어도 하나의 공공 장소와 관련된 활동의 카테고리화 단계를 선택하는 예시적인 도표를 보여준다.
도 13은 도 12의 도표 이후 본 발명의 데이터베이스(즉, Locomizer Activity database)에 기록된 장소의 카테고리화의 하나의 가능한 레벨을 도시한다.
도 14는 도 12의 도표 이후 본 발명의 데이터베이스(즉, Locomizer Activity database)에 기록된 장소의 카테고리화의 또 다른 가능한 레벨을 도시한다.
도 15는 적색 핀으로 식별되는 체크인 1 영역 내에서 (흑색 핀으로서 도면에 식별되는) 모든 활동의 그래픽 표현(도 10 참조)이며, 전체 공공 활동은 본 발명에 따라 카테고리화된 다른 공공 장소와 관련된 활동(예컨대, 녹색 핀으로 도시된 "스포츠(Sport)", 청색 핀으로 도시된 "여가(Leisure)" 등)을 포함한다.
장소 1(체크인 1)로부터 체크인 영역 1 내에서 모든 카테고리의 활동으로의 거리는 예컨대 서버 처리 장치에 의해 측정되고 본 발명의 데이터베이스에 기록된다.
도 16은 "스포츠"로 카테고리화된 활동, 즉 도 15의 카테고리 "스포츠"의 14개 활동들에 대한 이런 기록의 일 예를 도시한다.
체크인 1 영역은 예컨대 1에서 10으로 수치 스케일을 사용하여 등급화되는데, 가장 낮은 수는 check-in_1과 가장 가까운 영역을 표시하고 가장 높은 수는 가장 멀리 있는 영역을 표시한다. check-in 1의 인접 영역에서 식별된 모든 활동은 check-in 1로부터의 거리에 상응하는 그룹으로 종합되며, 그룹은 마지막의 수치 스케일의 등급에 해당한다. 따라서, 스케일의 하나의 숫자는 "샘플링 간격"을 말한다(도 17을 참조). 본 명세서에서 샘플링 간격에 위치한 활동의 그룹은 "샘플링 그룹"이라고 한다. 이후, 샘플링 간격의 영역은 도 18에 도시되는 바와 같이 계산된다.
게다가, 특정 샘플링 그룹에서 특정 공공 장소와 관련된 활동(들)의 존재 확률은 하나 이상의 다음의 파라미터를 사용하여 계산될 수 있다: check_in 1로부터의 활동의 유무에 따른 사용자의 특정 샘플링 그룹의 최소 및 최대 거리; 특정 샘플링 그룹 내에서 특정 타입의 활동의 수; 특정 샘플링 그룹 내에서 특정 타입의 활동의 밀도; 모든 샘플링 그룹의 총 크기; check_in 1 영역에서 특정 타입의 활동의 총수; check_in 1 영역에서 특정 타입의 활동의 평균 밀도. 확률의 자연로그가 사용자 관심 프로파일을 계산하기 위한 추가 단계 중에 사용되었다. 계산된 확률이 0인 매우 드문 경우라면, 그 자연로그는 계산될 수 없고, 데이터베이스의 중간 기록(3)은 빈칸으로 남겨둔다. 이런 계산의 일 예는 도 19에 도시된다. 이후, 계산 데이터는 본 발명의 데이터베이스에 기록된다.
결국, 특정 타입의 활동(들)의 존재 확률의 자연로그는 정의된 시간 구간 동안 선택된 지리적 영역 내에서 추출된 각각의 체크인(즉, check-in 1에서 check-in N까지)에 대해 계산된다. 이후, 정의된 시간 구간 동안 선택된 지리적 영역 내에서 모든 추출된 체크인에 대한 특정 타입의 활동(들)의 존재 확률의 평균 자연로그는 각 체크인의 각 샘플링 그룹에 대해 계산된 확률의 자연로그를 종합하고 N으로 나눔으로써 계산된다. 이런 계산의 일 예는 도 20에 도시된다.
각 체크인에 대한 확률은 1) 관심 장소에서 사용자 존재의 지속시간, 2) 그 장소에서 이루어진 구매의 수 및 3) 그 장소에서 소비된 돈의 양 등을 참작하여 점수화될 수 있다.
평균 확률은 다음의 변환을 사용하여 사용자의 관심 스코어를 계산하는데 사용된다: (1) 관심 스코어가 계산될 관심 영역을 정의하는 단계(예컨대, 체크인 영역의 처음의 절반의 샘플링 그룹이 관심 영역에 포함된다면, 관심 스코어를 단기(short-range) 관심 스코어라고 하고, 체크인 영역의 마지막 절반의 샘플링 그룹이 관심 영역에 포함된다면, 관심 스코어를 장기(long-range) 관심 스코어라고 하며, 샘플링 그룹의 과반수가 관심 영역에 포함된다면, 관심 스코어를 광역(wide-ranging) 관심 스코어라고 하는 등임), (2) 특정 활동 카테고리에 대한 평균 체크인에 대한 관심 영역 내에서 각 샘플링 그룹에 대한 모든 관심 스코어를 종합하는 단계. 최종 숫자는 특정 활동 카테고리에 대한 사용자의 총 관심 스코어를 나타낸다. 도 21은 Locomizer user_1의 활동 "스포츠"에 대한 총 관심 스코어가 어떻게 계산되는지의 예를 도시한다.
사용자의 총 관심 스코어가 본 발명의 데이터베이스에 기록된 각각의 활동 카테고리에 대해 계산되는 경우, 최종적으로 정규화된 관심 사용자 프로파일이 계산되고 관심사 프로파일 데이터베이스에 기록될 수 있다. 이런 기록의 예는 도 22에 도시된다.
도 23은 장소 사이에서 동일하게 분포하는 활동 카테고리(그룹 1), 또는 단지 "식사/음료(Eating/Drinking)" 카테고리로부터의 활동(그룹 2), 또는 단지 "스포츠" 카테고리로부터의 활동(그룹 3)과 직접적으로 관련되는 서로 다른 장소에서의 체크인을 가진 3가지의 사용자 프로파일의 예를 도시한다. 체크인이 이루어진 장소들의 맵과 해당 사용자 관심 프로파일이 또한 도시된다.
도 24는 6명의 사용자의 관심 프로파일을 도시하는데, 이들 중 3명은 모든 카테고리 사이에서 균등하게 분포하는 활동과 직접 관련된 장소에서의 92 체크인을 가진 (상술한) 그룹 1로부터 왔으며, 다른 3명의 사용자 프로파일은, 즉 "식사/음료" 카테고리로부터의 활동과 직접 관련된 장소에서의 92 체크인을 가진 (상술한) 그룹 2에 속한다.
도 25는 그룹 1 및 2로부터의 (다른 색으로 도시된) 5명의 사용자 관심 프로파일을 비교한다.
사용자 관심 프로파일은 본 발명의 데이터베이스에서 다른 사용자 관심 프로파일과의 유사성을 기초로 순위화될 수 있다. 이를 달성하기 위해, 사용자 관심 프로파일은 N차 배열의 데이터점으로 간주될 수 있으며, 여기서 N은 관심 프로파일에서 활동 카테고리의 수를 나타내며, 각 활동 카테고리에 대한 관심 스코어 값은 N차 공간에서 이런 데이터점의 좌표를 정의한다. 이런 표현으로, 관심 프로파일 사이의 유사성 점수가 N차 공간 내 해당 데이터점 사이의 거리에 반비례하는 것으로서 측정될 수 있다. 도 26은 그룹 1에서의 user_1과의 유사성에 따라 그룹 1 및 2로부터 선택된 사용자 관심 프로파일을 순위화하는 일 예를 도시한다. 이런 특정한 경우, 유클리드 거리법이 user_1 관심 프로파일에 해당하는 데이터점과 그룹 1 및 2로부터 선택된 관심 프로파일에 해당하는 데이터점 사이의 10차 공간(10개의 활동 카테고리)에서 거리를 계산하는데 사용되었다.
그 유사성에 기초한 관심 프로파일의 순위화는 관심 프로파일 내 모든 활동이나 선택된 활동의 (적어도 하나) 서브세트에 대한 관심 스코어를 사용하여 수행될 수 있다.
게다가, 관심 프로파일 사이의 유사성의 분석은 본 발명의 데이터베이스에서 나머지 관심 프로파일과 비교하여 관심 프로파일이 서로 훨씬 더 유사한 사용자들의 클러스터를 나타낼 수 있다.
2개의 관심 프로파일 사이의 유사성 점수는 정의된 시간 구간 동안 동일한 위치에 존재할 확률을 최대화하기 위해 하나의 관심 프로파일을 다른 것으로 변환, 즉 사용자(들)의 사회-지리적 행동을 변화시키는데 필요한 노력이나 비용의 경제적 의미를 가진다.
개인 관심 프로파일은 함께 결합되어, 도 27에 따라 계산된 사용자 그룹(들)의 평균 관심 프로파일을 산출할 수 있다. 그룹화된 관심 프로파일은 개인 사용자 관심 프로파일로서 비교되고 순위화될 수 있다.
또한, 개인 관심 프로파일은 관심의 장소(들)의 관심 프로파일과 비교될 수 있고 그들 사이의 유사성에 따라 순위화될 수 있다. 장소(들)의 관심 프로파일은 사람들의 관심 프로파일과 유사하게 계산되는데, 그 단계들은 1) 지리적 영역 및 그 영역 내 관심의 장소(들)를 선택하는 단계(도 28), 2) 장소(들) 인접 영역의 크기를 정의하는 단계(도 29), 3) 공공 활동과 관련된 장소를 가진 장소(들) 인접 영역을 선택하는 단계(도 30), 4) 지리공간 데이터베이스(예컨대, Factual.com)로부터 장소(들) 인접 영역 내 공공 활동과 관련된 장소를 추출하는 단계(도 31), 5) 본 발명의 데이터베이스에서 본 발명에 따라 적어도 하나의 공공 활동과 관련된 장소 프로파일(Locomizer 장소)을 생성하는 단계(도 11), 6) 도 15-21에서 사용자 관심 프로파일을 계산하기 위해 기술된 단계에 따라 장소(들) 총 관심 스코어를 계산하는 단계, 7) 도 32에 따라 장소(들)의 정규화된 관심 프로파일을 계산하는 단계를 포함한다.
게다가, 본 발명의 데이터베이스 내 사용자 관심 프로파일은 본 발명의 데이터베이스 내 장소(들)의 관심 프로파일과 비교될 수 있고 그 유사성을 기초로 순위화될 수 있다. 사용자 관심 프로파일과 장소(들) 관심 프로파일 사이의 비교는 상술한 사용자 관심 프로파일 사이의 비교와 유사하게 수행된다. Costa(37개 위치)의 관심 프로파일에 대해 그룹 1 및 2로부터의 사용자 관심 프로파일을 비교하고 순위화하는 일 예는 도 33에 도시된다.
그 유사성에 기초한 관심 프로파일의 순위화는 관심 프로파일 내 모든 활동이나 선택된 활동의 (적어도 하나) 서브세트에 대한 관심 스코어를 사용하여 수행될 수 있다.
게다가, 관심 프로파일 사이의 유사성의 분석은 본 발명의 데이터베이스에서 나머지 관심 프로파일과 비교하여 관심 프로파일이 관심 프로파일 장소(들)와 훨씬 더 유사한 사용자들의 클러스터를 나타낼 수 있다.
사용자 관심 프로파일(들)과 장소(들) 사이의 유사성 점수는 장소(들)의 해당 관심 프로파일에 포함된 장소(들)의 위치(들)에 존재할 확률을 최대화하기 위해 사용자(들)의 사회-지리적 행동을 변화시키는데 필요한 노력이나 비용의 경제적 의미를 가진다.
도 34는 공공 장소와 관련된 공공 활동을 확립된 분류 체계로 카테고리화하는 예를 도시한다.
도 35는 본 발명의 태양들을 구현할 수 있는 컴포넌트를 도시한다. 무선 통신 장치일 수 있는 전자 디바이스(102)는 인터넷(110)과 예컨대 무선으로 (가령 이더넷이나 WiFi와 같은 셀룰러 네트워크 또는 패킷-기반 네트워크 연결을 통해) 통신한다. 전기 통신 장치(102)는 제1 처리 회로부(104) 및 제1 메모리(106)를 포함한다. 제1 처리 회로부(104) 및 제1 메모리(106)는 전자 통신 장치(102)에 관한 본 발명의 태양들을 구현하도록 구성되며, 이는 제1 메모리(106)에 저장된 컴퓨터 실행가능한 명령어를 실행하는 제1 처리 회로부(104)를 통해 달성될 수 있는데, 이런 명령어는 (하기에 더 상세히 설명되는 바와 같이) 본 발명의 태양들을 구현하도록 구성된다. 제1 처리 회로부(104)는 본 발명의 기능을 제공하기 위한 하나 이상의 프로세서를 포함할 수 있다.
또한, 예컨대 인터넷(110)과 연결되는 서버 장치와 같이 제2 처리 회로부(114) 및 제2 메모리(116)에서 구현될 수 있는 서비스(112)가 인터넷(110)에서 통신된다. 제2 처리 회로부(114)는 본 발명의 기능을 제공하기 위한 하나 이상의 프로세서를 포함할 수 있다. 제2 처리 회로부(114) 및 제2 메모리(116)는 서비스(112)에 관한 본 발명의 태양들을 구현하도록 구성되며, 이는 제2 메모리(116)에 저장된 컴퓨터 실행가능한 명령어를 실행하는 제2 처리 회로부(114)를 통해 달성될 수 있는데, 이런 명령어는 본 발명의 태양들을 구현하도록 구성된다.
서비스(112) 및 전자 디바이스(102)는 예컨대 상술한 체크인 데이터를 교환하도록 인터넷(110)을 통해 서로 통신하도록 구성된다.
서비스(112)의 다수의 사용자에 해당하는 다수의 전자 디바이스(102)는 인터넷과 연결될 수 있고, 각각은 서비스(112)와 통신할 수 있으며 상술한 바와 같이 본 발명의 태양들을 구현할 수 있다.
도 36은 본 발명을 수행하는 제1 및 제2 처리 회로부(104, 114)에 의해 수행되는 단계들의 흐름도를 도시한다.
단계 601에서, 제1 처리 회로부는 위치, 지리적 영역 및/또는 전자 통신 장치(102)의 위치를 식별하며 식별된 위치를 이용하여 체크인 데이터를 생성한다.
단계 602에서, 체크인 서비스(112)의 제2 처리 회로부(114)는 전자 통신 장치(102)의 제1 처리 회로부(104)로부터 체크인 데이터를 획득한다.
단계 603에서, 제2 처리 회로부(114)는 체크인 데이터를 분석하여 전자 통신 장치의 소정의 지리적 영역 내에서 발생한 적어도 하나의 활동 및 전자 통신 장치(102)의 소정의 지리적 영역 내의 적어도 하나의 해당 장소를 식별한다. 제2 처리 회로부(114)는 적어도 하나의 해당 활동에 대하여 상기 적어도 하나의 해당 장소를 카테고리화한다.
단계 604에서, 제2 처리 회로부(114)는 분석을 기초로, 예컨대 제2 메모리(116)와 같은 메모리 내 등록 사용자의 관심 프로파일을 업데이트한다.
본 발명은 단지 예로서 앞서 기술되었고 변형이 본 발명을 정의하는 청구항들의 범위 내에서 이루어질 수 있음이 이해될 것이다.
Claims (25)
- 휴대용 전자 디바이스 상에서 실행 가능하거나 액세스 가능한 적어도 하나의 애플리케이션을 통해 사용자의 체크인 이벤트를 수행함으로써, 효과적인 상품 및 서비스의 타겟지향 유통, 지역사회 서비스의 합리적인 계획 및 효율적인 수행 및 지역 개인들의 필요성과 관심을 반영하는 개발의 달성을 통해 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법으로서, 적어도 하나의 애플리케이션은 서비스 프로세서를 포함하는 체크인 서비스와 통신하도록 실행될 수 있고, 체크인 서비스는 사용자의 식별 데이터, 휴대용 전자 디바이스의 위치 데이터 및 체크인 이벤트가 발생할 때를 나타내는 체크인 이벤트에 대한 타임 데이터를 포함한 체크인 데이터를 수신하도록 구성되고, 상기 방법은:
휴대용 전자 디바이스에 의하여, 위치 데이터를 생성하기 위하여 휴대용 전자 디바이스의 위치를 결정하는 단계;
휴대용 전자 디바이스로부터 서비스로 체크인 데이터를 전송하는 단계;
서비스에서 체크인 데이터를 수신하는 단계;
프로세서에 의하여 주어진 지리적 영역내 발생하는 적어도 하나의 활동 및 주어진 지리적 영역내에 적어도 하나의 해당 장소를 식별하고, 해당하는 적어도 하나의 활동에 대해 상기 적어도 하나의 해당 장소를 카테고리화하기 위해 체크인 데이터를 분석하는 단계;
분석하는 단계를 기초로 사용자의 관심 프로파일을 생성 또는 수정하는 단계;
사용자가 즐기는 활동, 사용자가 무관심한 활동 및 사용자가 멀리 하는 활동을 포함하는 사용자 관심 영역 내의 총 관심 스코어를 결정하는 단계;
결정되고 분석되고 생성된 데이터로부터 최종 정규화된 프로파일을 결정하는 단계; 및
휴대용 전자 디바이스로부터 인터넷을 더 쉽게 사용하도록 최종 정규화된 프로파일을 구현하는 단계를 포함하고,
위치 데이터는 휴대용 전자 디바이스가 위치한 로컬 지리적 영역을 나타내는 데이터를 포함하고,
관심 프로파일을 생성하는 것은 사용자 체크인과 연관된 활동에 대한 필드를 추가하는 것을 포함하고,
상기 관심 프로파일은 사용자의 적어도 하나의 장소에 대응하는 적어도 하나의 활동과의 인터랙션에 관한 데이터를 더 포함하는 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법. - 제 1 항에 있어서,
프로세서에 의해 활동을 카테고리화하고 관심 프로파일을 생성하기 위하여 장소에서의 등록된 사용자의 인터랙션을 분석하는 단계를 더 포함하는 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법. - 제 1 항에 있어서,
관심 프로파일을 생성하는 것은 개인 사용자 데이터를 제거하는 것을 더 포함하는 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법. - 삭제
- 삭제
- 제 1 항에 있어서,
식별 데이터는 전자 디바이스를 통해 적어도 하나의 애플리케이션에 액세스하는 사용자를 식별하는 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법. - 제 1 항에 있어서,
서비스에서 사용자 프로파일을 저장하는 단계를 더 포함하는 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법. - 제 1 항에 있어서,
서비스에 저장된 다른 사용자들의 충분히 유사한 관심 프로파일을 식별하기 위해 서비스에 의한 관심 프로파일을 이용하는 단계를 더 포함하는 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법. - 제 1 항에 있어서,
등록된 사용자 및/또는 이런 사용자들이 있는 유사한 관심 프로파일들을 갖는 사용자 중 적어도 일부에 통지하는 단계를 더 포함하는 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법. - 제 9 항에 있어서,
등록된 사용자 및/또는 등록된 사용자의 전자 디바이스 및/또는 사용자들 중 적어도 일부가 서로의 기설정된 거리내에 있는 것으로 판단될 때 등록된 사용자 및/또는 상기 사용자 중 적어도 일부에 통지하는 단계를 더 포함하는 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법. - 제 10 항에 있어서,
다른 관심 프로파일은 청구항 1의 단계에 따라 발생되는 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법. - 제 1 항에 있어서,
각 프로세서는 개별적으로 실행되는 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법. - 제 1 항에 있어서,
각 프로세서는 집적처리회로에서 서로 다른 프로세서와 통합되는 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법. - 제 1 항에 있어서,
서비스는 청구항 1의 단계들을 수행하기 위한 프로세서와, 각 사용자의 관심 프로파일을 저장하기 위한 메모리를 구비하는 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법. - 효과적인 상품 및 서비스의 타겟지향 유통, 지역사회 서비스의 합리적인 계획 및 효율적인 수행 및 지역 개인들의 필요성과 관심을 반영하는 개발의 달성을 통해 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 시스템으로서, 시스템은 체크인으로 사용하기 위한 제1 휴대용 전자 디바이스 및 제2 휴대용 전자 디바이스를 포함하고, 제1 휴대용 전자 디바이스는:
위치 데이터를 생성하기 위하여 제1 휴대용 전자 디바이스의 위치를 결정하고;
제1 휴대용 전자 디바이스로부터 제2 휴대용 디바이스로 체크인 데이터를 전송하도록 구성되는 처리 회로를 포함하고,
위치 데이터는 제1 휴대용 전자 디바이스가 위치한 로컬 지리적 영역을 나타내는 데이터를 포함하고,
체크인 데이터는 사용자의 식별 데이터, 위치 데이터 및 체크인 이벤트가 발생할 때를 나타내는 체크인 이벤트에 대한 타임 데이터를 포함하고,
제2 휴대용 전자 디바이스는:
제1 휴대용 디바이스로부터 체크인 데이터를 수신하고;
주어진 지리적 영역내 발생하는 적어도 하나의 활동 및 주어진 지리적 영역내에 적어도 하나의 해당 장소를 식별하고, 해당하는 적어도 하나의 활동에 대해 상기 적어도 하나의 해당 장소를 카테고리화하기 위해 체크인 데이터를 분석하고;
분석 단계를 기초로 사용자의 관심 프로필을 생성 및/또는 수정하고;
사용자가 즐기는 활동, 사용자가 무관심한 활동 및 사용자가 멀리 하는 활동을 포함하는 사용자 관심 영역 내의 총 관심 스코어를 결정하고;
결정되고 분석되고 생성된 데이터로부터 최종 정규화된 프로파일을 결정하고;
휴대용 전자 디바이스로부터 인터넷을 더 쉽게 사용하도록 최종 정규화된 프로파일을 구현하도록 구성되는 처리 회로를 포함하고,
관심 프로파일을 생성하는 것은 사용자 체크인과 연관된 활동에 대한 필드를 추가하는 것을 포함하고,
상기 관심 프로파일은 사용자의 적어도 하나의 장소에 대응하는 적어도 하나의 활동과의 인터랙션에 관한 데이터를 더 포함하는 시스템. - 제 15 항에 있어서,
관심 프로파일을 생성하는 것은 개인 사용자 데이터를 제거하는 것을 더 포함하는 시스템. - 컴퓨터 실행가능한 명령어를 포함함으로써, 효과적인 상품 및 서비스의 타겟지향 유통, 지역사회 서비스의 합리적인 계획 및 효율적인 수행 및 지역 개인들의 필요성과 관심을 반영하는 개발의 달성을 통해 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 비일시적 컴퓨터 판독가능한 저장 매체로서, 컴퓨터 실행가능한 명령어는 휴대용 전자 디바이스의 프로세서에 의해 실행될 때:
휴대용 전자 디바이스에 의하여, 위치 데이터를 생성하기 위하여 휴대용 전자 디바이스의 위치를 결정하고;
휴대용 전자 디바이스로부터 서비스로 체크인 데이터를 전송하고;
체크인 데이터를 수신하고;
주어진 지리적 영역내 발생하는 적어도 하나의 활동 및 주어진 지리적 영역내에 적어도 하나의 해당 장소를 식별하고, 해당하는 적어도 하나의 활동에 대해 상기 적어도 하나의 해당 장소를 카테고리화하기 위해 체크인 데이터를 분석하고;
분석하는 단계를 기초로 사용자의 관심 프로파일을 생성 및/또는 수정하고;
사용자가 즐기는 활동, 사용자가 무관심한 활동 및 사용자가 멀리 하는 활동을 포함하는 사용자 관심 영역 내의 총 관심 스코어를 결정하고;
결정되고 분석되고 생성된 데이터로부터 최종 정규화된 프로파일을 결정하고;
휴대용 전자 디바이스로부터 인터넷을 더 쉽게 사용하도록 최종 정규화된 프로파일을 구현하도록 구성되고,
위치 데이터는 휴대용 전자 디바이스가 위치한 지리적 영역을 나타내는 데이터를 포함하고,
체크인 데이터는 사용자의 식별 데이터, 위치 데이터 및 체크인 이벤트가 발생할 때를 나타내는 체크인 이벤트에 대한 타임 데이터를 포함하고,
관심 프로파일을 생성하는 것은 사용자 체크인과 연관된 활동에 대한 필드를 추가하는 것을 포함하고,
상기 관심 프로파일은 사용자의 적어도 하나의 장소에 대응하는 적어도 하나의 활동과의 인터랙션에 관한 데이터를 포함하는 비일시적 컴퓨터 판독가능한 매체. - 제 17 항에 있어서,
관심 프로파일을 생성하는 것은 개인 사용자 데이터를 제거하는 것을 더 포함하는 비일시적 컴퓨터 판독가능한 매체. - 삭제
- (i) 등록된 사용자 ID, (ii) 사용자가 모바일 애플리케이션(들) 또는 설비에 체크인하고 있는 장소의 지리적 좌표, 및 (iii) 체크인이 발생할 때의 타임 포인트에 대한 정보를 포함하는 체크인 데이터를 수신하고 저장할 수 있거나, 수신하고 저장할 수 있는 설비에 링크된 하나 이상의 모바일 애플리케이션들의 등록된 사용자인 개인의 관심 프로파일을 생성함으로써, 효과적인 상품 및 서비스의 타겟지향 유통, 지역사회 서비스의 합리적인 계획 및 효율적인 수행 및 지역 개인들의 필요성과 관심을 반영하는 개발의 달성을 통해 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법으로서, 상기 방법은:
(a) 휴대용 전자 디바이스에 의하여, 위치 데이터를 생성하기 위하여휴대용 전자 디바이스의 위치를 결정하는 단계;
(b) 하나 이상의 데이터베이스에 저장되도록 휴대용 전자 디바이스로부터 서비스로 휴대용 전자 디바이스의 결정된 위치를 포함하여 체크인 데이터를 전송하는 단계;
(c) 상기 모바일 애플리케이션에 링크된 하나 이상의 데이터베이스로부터 하나 이상의 모바일 애플리케이션의 등록된 사용자에 대한 정보를 획득하는 단계;
(d) 단계 (c)에서 획득한 정보 및 단계 (c)에서 획득한 정보의 지리적 좌표에 의해 표시되는 이웃 내의 공공 장소(들)와 연관된 공공 활동을 식별하기 위하여, 단계 (c)에서 획득한 데이터를 분석하고, 상기 장소와 연관된 공공 활동 또는 활동들과 관련하여 상기 장소를 카테고리화하는 단계;
(e) 등록된 사용자의 단계 (d)에서 식별된 활동과의 인터랙션을 분석하는 단계;
(f) 등록된 사용자의 관심 프로파일을 생성하는 단계;
사용자가 즐기는 활동, 사용자가 무관심한 활동 및 사용자가 멀리 하는 활동을 포함하는 사용자 관심 영역 내의 총 관심 스코어를 결정하는 단계;
결정되고 분석되고 생성된 데이터로부터 최종 정규화된 프로파일을 결정하는 단계; 및
휴대용 전자 디바이스로부터 인터넷을 더 쉽게 사용하도록 최종 정규화된 프로파일을 구현하는 단계를 포함하고,
위치 데이터는 휴대용 전자 디바이스가 위치한 지리적 영역을 나타내는 데이터를 포함하고,
상기 정보는 (상술한 바와 같이) 데이터 (i), (ii), 및 (iii)를 포함하고, 상기 데이터는 선택된 지리적 영역 및 정의된 시간 주기에 관한 것이고,
상기 관심 프로파일은 사용자와 단계 (d)에서 식별된 장소와 연관된 공공 활동의 관계의 설명을 포함하고,
관심 프로파일을 생성하는 것은 사용자 체크인과 연관된 활동에 대한 필드를 추가하는 것을 포함하는 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법. - 제 20 항에 있어서,
관심 프로파일을 생성하는 것은 개인 사용자 데이터를 제거하는 것을 더 포함하는 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법. - 제 20 항에 있어서,
상기 방법은 컴퓨터 구현되는 휴대용 전자 디바이스 상에서의 인터넷의 쉬운 사용을 제공하는 방법. - 전자 디바이스 상에 실행될 때 제 20 항에 따른 방법을 실행하기 위한 컴퓨터 실행가능한 명령어를 포함한 비일시적 컴퓨터 판독가능한 매체.
- 삭제
- 삭제
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201261654716P | 2012-06-01 | 2012-06-01 | |
| US61/654,716 | 2012-06-01 | ||
| PCT/GB2013/051475 WO2013179071A1 (en) | 2012-06-01 | 2013-06-03 | Interest profile of a user of a mobile application |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20150037769A KR20150037769A (ko) | 2015-04-08 |
| KR102189065B1 true KR102189065B1 (ko) | 2020-12-09 |
Family
ID=48614063
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020147037013A KR102189065B1 (ko) | 2012-06-01 | 2013-06-03 | 모바일 애플리케이션 사용자의 관심 프로파일 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US10013494B2 (ko) |
| EP (2) | EP3276563A1 (ko) |
| JP (1) | JP6374863B2 (ko) |
| KR (1) | KR102189065B1 (ko) |
| AU (3) | AU2013269287A1 (ko) |
| IN (1) | IN2014MN02649A (ko) |
| SG (2) | SG10201610045QA (ko) |
| WO (1) | WO2013179071A1 (ko) |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103813267B (zh) * | 2012-11-14 | 2017-05-17 | 腾讯科技（深圳）有限公司 | 签到方法及系统 |
| US9509794B2 (en) * | 2013-08-02 | 2016-11-29 | Palo Alto Research Center Incorporated | System and apparatus for measuring application-specific consistency of check-in-based user location data streams |
| US10147102B2 (en) * | 2014-03-31 | 2018-12-04 | Paypal, Inc. | Person/group check-in system |
| KR20160046038A (ko) * | 2014-10-17 | 2016-04-28 | 삼성전자주식회사 | 위치 기반 소셜 검색 서비스를 제공하는 방법 및 장치 |
| US10503377B2 (en) | 2014-11-24 | 2019-12-10 | Facebook, Inc. | Dynamic status indicator |
| US10397346B2 (en) * | 2014-11-24 | 2019-08-27 | Facebook, Inc. | Prefetching places |
| US10863354B2 (en) | 2014-11-24 | 2020-12-08 | Facebook, Inc. | Automated check-ins |
| US10817563B2 (en) | 2015-02-16 | 2020-10-27 | Tourblend Innovations, Llc | Providing location based content to mobile devices |
| US10142795B2 (en) * | 2015-02-16 | 2018-11-27 | Tourblend Innovations, Llc | Providing digital content for multiple venues |
| US11115273B2 (en) | 2015-07-13 | 2021-09-07 | Telefonaktiebolaget Lm Ericsson (Publ) | Analytics-driven dynamic network design and configuration |
| US10439886B2 (en) * | 2015-07-13 | 2019-10-08 | Telefonaktiebolaget Lm Ericsson (Publ) | Analytics-driven dynamic network design and configuration |
| US10218798B2 (en) * | 2015-07-30 | 2019-02-26 | Foursquare Labs, Inc. | Creating segments for directed information using location information |
| KR101740148B1 (ko) | 2015-11-03 | 2017-05-25 | 케이티하이텔 주식회사 | 고객의 오프라인활동 데이터에 기반한 온라인쇼핑상품 추천방법 |
| KR20180026152A (ko) * | 2016-09-02 | 2018-03-12 | 에스케이플래닛 주식회사 | 유사 성향 그룹을 이용한 대여 아이템 추천 장치 및 이를 이용한 방법 |
| US20180144349A1 (en) * | 2016-11-22 | 2018-05-24 | Facebook, Inc. | Systems and methods for determining local-level demographic distribution of subscribers of service providers |
| US20190073435A1 (en) * | 2017-09-05 | 2019-03-07 | 1Q, Llc | Snap-to-grid system |
| US11216786B2 (en) * | 2018-07-17 | 2022-01-04 | Kavita Ramchandani Snyder | System and method for dispatching intelligent invitations to users within a network |
| US11729584B2 (en) | 2021-06-17 | 2023-08-15 | Cisco Technology, Inc. | On-demand creation of contextually relevant and location-aware ephemeral services |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002140362A (ja) * | 2000-10-31 | 2002-05-17 | Toshiba Corp | 移動体向け情報提供システムおよび情報提供方法 |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7136915B2 (en) * | 2000-03-14 | 2006-11-14 | Rieger Iii Charles J | System for communicating through maps |
| US8407220B2 (en) | 2006-09-28 | 2013-03-26 | Augme Technologies, Inc. | Apparatuses, methods and systems for ambiguous code-triggered information querying and serving on mobile devices |
| EP1936585A1 (en) * | 2006-12-23 | 2008-06-25 | NTT DoCoMo, Inc. | Method and apparatus for automatically identifying regions of interest in a digital map |
| JP4426563B2 (ja) * | 2006-12-25 | 2010-03-03 | 大日本印刷株式会社 | 情報提供システム |
| US9646025B2 (en) * | 2008-05-27 | 2017-05-09 | Qualcomm Incorporated | Method and apparatus for aggregating and presenting data associated with geographic locations |
| US10163113B2 (en) * | 2008-05-27 | 2018-12-25 | Qualcomm Incorporated | Methods and apparatus for generating user profile based on periodic location fixes |
| GB2464675A (en) * | 2008-10-20 | 2010-04-28 | Robert Dean | Administering event attendee data |
| US20100114968A1 (en) * | 2008-10-22 | 2010-05-06 | Robert Dean | System for communication of attendee data |
| JP2011158531A (ja) * | 2010-01-29 | 2011-08-18 | Seiko Epson Corp | 液晶装置の製造方法 |
| US20110238647A1 (en) * | 2010-03-23 | 2011-09-29 | Samtec Inc. | System for event-based intelligent-targeting |
| US8150844B2 (en) * | 2010-08-18 | 2012-04-03 | Facebook, Inc. | Location ranking using social graph information |
| US8958822B2 (en) * | 2010-10-25 | 2015-02-17 | Alohar Mobile Inc. | Determining points of interest of a mobile user |
| US9710765B2 (en) * | 2011-05-26 | 2017-07-18 | Facebook, Inc. | Browser with integrated privacy controls and dashboard for social network data |
| US9299110B2 (en) * | 2011-10-19 | 2016-03-29 | Facebook, Inc. | Periodic ambient waveform analysis for dynamic device configuration |
| US9679061B2 (en) * | 2011-12-08 | 2017-06-13 | Google Technology Holdings LLC | Method and apparatus that collect and uploads implicit analytic data |
| US20130260681A1 (en) * | 2012-04-02 | 2013-10-03 | Amulet, Inc. | Amulet - An Intelligent Fashion Piece |
| US20130317910A1 (en) * | 2012-05-23 | 2013-11-28 | Vufind, Inc. | Systems and Methods for Contextual Recommendations and Predicting User Intent |
-
2013
- 2013-06-03 US US14/404,903 patent/US10013494B2/en active Active
- 2013-06-03 KR KR1020147037013A patent/KR102189065B1/ko active IP Right Grant
- 2013-06-03 SG SG10201610045QA patent/SG10201610045QA/en unknown
- 2013-06-03 JP JP2015514601A patent/JP6374863B2/ja active Active
- 2013-06-03 EP EP17169259.3A patent/EP3276563A1/en not_active Ceased
- 2013-06-03 IN IN2649MUN2014 patent/IN2014MN02649A/en unknown
- 2013-06-03 SG SG11201407891QA patent/SG11201407891QA/en unknown
- 2013-06-03 WO PCT/GB2013/051475 patent/WO2013179071A1/en active Application Filing
- 2013-06-03 AU AU2013269287A patent/AU2013269287A1/en not_active Abandoned
- 2013-06-03 EP EP13728506.0A patent/EP2856412A1/en not_active Ceased
-
2018
- 2018-09-14 AU AU2018229531A patent/AU2018229531A1/en not_active Abandoned
-
2020
- 2020-11-19 AU AU2020273319A patent/AU2020273319A1/en not_active Abandoned
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002140362A (ja) * | 2000-10-31 | 2002-05-17 | Toshiba Corp | 移動体向け情報提供システムおよび情報提供方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| AU2018229531A1 (en) | 2018-10-04 |
| SG10201610045QA (en) | 2017-01-27 |
| IN2014MN02649A (ko) | 2015-08-21 |
| JP6374863B2 (ja) | 2018-08-15 |
| US10013494B2 (en) | 2018-07-03 |
| SG11201407891QA (en) | 2014-12-30 |
| EP2856412A1 (en) | 2015-04-08 |
| US20150193543A1 (en) | 2015-07-09 |
| AU2020273319A1 (en) | 2020-12-17 |
| WO2013179071A1 (en) | 2013-12-05 |
| EP3276563A1 (en) | 2018-01-31 |
| AU2013269287A1 (en) | 2015-01-29 |
| KR20150037769A (ko) | 2015-04-08 |
| JP2015521327A (ja) | 2015-07-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102189065B1 (ko) | 모바일 애플리케이션 사용자의 관심 프로파일 | |
| JP6784308B2 (ja) | 施設特性を更新するプログラム、施設をプロファイリングするプログラム、コンピュータ・システム、及び施設特性を更新する方法 | |
| US9357350B2 (en) | System for creating anonymous social gatherings | |
| Hasan et al. | Urban activity pattern classification using topic models from online geo-location data | |
| Ye et al. | What you are is when you are: the temporal dimension of feature types in location-based social networks | |
| US20130097246A1 (en) | Multilocal implicit social networking | |
| US20150261844A1 (en) | System and method for recommending people to meet or places to visit based on interests of the user | |
| WO2016101750A1 (zh) | 一种基于通讯群组推送信息的方法和装置 | |
| JP6937776B2 (ja) | 地理的位置の属性情報を特定するための方法及びデバイス | |
| JP2020537252A (ja) | 類似のモバイル装置を予測するためのシステムと方法 | |
| Vu et al. | Improving the resident–tourist relationship in urban hotspots | |
| Haffner | A spatial analysis of non‐English Twitter activity in Houston, TX | |
| Kang et al. | How urban places are visited by social groups? Evidence from matrix factorization on mobile phone data | |
| Huang et al. | Reconstructing human activities via coupling mobile phone data with location-based social networks | |
| US9275127B1 (en) | Location categorization | |
| Ye et al. | Understanding Chinese tourist mobility and consumption-related behaviours in London using Sina Weibo check-ins | |
| Bernabeu-Bautista et al. | Social media data collection and quality for urban studies | |
| Graells-Garrido et al. | Measuring the local complementarity of population, amenities and digital activities to identify and understand urban areas of interest | |
| Nandwani et al. | Using the physicality of NFC to combat grokking of the check-in mechanic | |
| Sabah et al. | GEOSPATIAL SOCIAL NETWORK ANALYSIS WITH USING GIS FOR LOCATION-BASED SERVICE RECOMMENDATION | |
| Ye | Harnessing social media data to explore urban tourist patterns and the implications for retail location modelling | |
| Karayazı | A Data-Driven Approach to Understanding Visitors’ Behavior to Reduce the Negative Effects of Tourism in Historical Cities | |
| Choi et al. | Extracting placeness from social media: an ontology-based system | |
| Brennan | How location-based social network applications are being used | |
| Nawshin | Developing techniques for weather-aware prediction of user activities and future visits |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |